Wissenschaftliches Rechnen I Inhaltsverzeichnis

1
Wissenschaftliches Rechnen I
Hubert Grassmann, WS 2001
10. Januar 2001
Die erste Version dieses Skripts wurde im Jahre 1997 erstellt; sie ist noch nie in der
neuen“ Schreibweise verfaßt worden.
”
Inhaltsverzeichnis
1 Einleitung
2
2
Zahldarstellung im Computer
2.1 Gleitkommazahlen und der IEEE-Standard . . . . . . . . . . . . . . . .
2.2 Runden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Ausnahmebehandlung: Divsion durch Null . . . . . . . . . . . . . . . .
3
6
8
9
3
Java-Grundlagen
3.1 Primitive Typen . . .
3.2 Operatoren . . . . .
3.3 Felder . . . . . . . .
3.4 Programmsteuerung
3.5 Methoden . . . . . .
3.6 Programmeinheiten .
3.7 Graﬁk . . . . . . . .
3.8 Dateibehandlung . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
12
12
13
14
17
18
24
25
4 Kommunikation mitttels Computer
27
5 Crash2TeX
5.1 Maßangaben . . . . . . .
5.2 Stile . . . . . . . . . . .
5.3 Untergliederungen . . . .
5.4 Schriftarten . . . . . . .
5.5 Aufzählungen . . . . . .
5.6 Regelsätze . . . . . . . .
5.7 Kästen . . . . . . . . . .
5.8 Teilseiten (minipages) . .
5.9 Tabellen . . . . . . . . .
5.10 Mathematische Formeln
5.11 Einfache Zeichnungen . .
5.12 Eigene Befehle . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
31
32
33
33
34
34
34
35
35
35
36
37
39
6 Komplexität
6.1 Eﬀektives und uneﬀektives Rechnen . . . . . . . . . . . . . . . . . . . .
6.1.1 Der Kreis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2 Der größte gemeinsame Teiler . . . . . . . . . . . . . . . . . . .
41
41
41
44
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INHALTSVERZEICHNIS
6.2
6.3
6.4
6.5
6.1.3 Ausrollen von Schleifen
6.1.4 Komplexe Zahlen . . .
Polynome . . . . . . . . . . .
Auswertung vieler Polynome .
Matrixoperationen . . . . . .
Zufallszahlen . . . . . . . . .
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
45
47
47
50
50
53
7 Suchen
55
8 Einfache Datenstrukturen und ihre Implementation
60
9 Ein paar Beispiele
70
10 Sortieren
10.1 Sortieren durch Zählen . . . . . . . . . .
10.2 Sortieren durch Verteilen (Vorsortieren) .
10.3 Sortieren durch Einfügen . . . . . . . . .
10.4 Sortieren durch Verketten . . . . . . . .
10.5 Sortieren durch Tauschen, (bubble sort) .
10.6 Partitionen und Inversionstabellen . . . .
10.7 Quicksort . . . . . . . . . . . . . . . . .
10.8 Binärdarstellung der Schlüssel . . . . . .
10.9 Sortieren durch direkte Auswahl . . . . .
10.10tree selection . . . . . . . . . . . . . . .
10.11heap sort . . . . . . . . . . . . . . . . . .
10.12Sortieren durch Mischen (merge sort) . .
10.13Natürliches Mischen . . . . . . . . . . .
10.14list merge sort . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11 Das charakteristische Polynom
12 Graphen
12.1 Bäume . . . . . . . . . . . . . .
12.2 Gefädelte binäre Bäume . . . .
12.3 Paarweises Addieren . . . . . .
12.4 Baum-Darstellung des Speichers
12.5 Balancierte Bäume . . . . . . .
72
74
74
75
75
76
76
78
82
83
84
84
85
85
87
88
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
89
93
98
100
101
106
13 Computeralgebra
108
13.1 Langzahlarithmetik: Rohe Gewalt . . . . . . . . . . . . . . . . . . . . . 108
13.2 Wirkliche Langzahlarithmetik . . . . . . . . . . . . . . . . . . . . . . . 110
13.3 Polynome und Formelmanipulation“ . . . . . . . . . . . . . . . . . . . 121
”
14 Boolesche Algebren und Boolesche Funktionen
Literaturhinweise:
123
1 EINLEITUNG
3
1. http://www.informatik.uni-siegen.de/psy/docu/GoToJava2/html/cover.html
2. http://www.uni-muenster.de/ZIV/Mitarbeiter/BennoSueselbeck/Java-ws99/
3. Brandstädt, Graphen und Algorithmen, Teubner 1994
4. Flanagan, Java examples in a nutshell, O’Reilly (Köln) 1998
5. Appelrath/Ludewig, Skriptum Informatik – eine konventionelle Einführung, Teubner 1995
6. Golub/Ortega, Scientiﬁc Computing, Teubner 1996
7. Knuth, The Art of Computer Programming, Addison-Wesley 1973
8. Steyer, Java 1.2 – Schnell und sicher zum Ziel, Heyne 1998 (preiswert)
9. Krüger, Java 1.1 – Anfangen, Anwenden, Verstehen, Addison-Wesley 1997 (auch
online)
10. Partl, Schlegl, Hyna, LATEX- Kurzbeschreibung, lkurz.dvi (bei emtex)
11. Scheller, Boden, Geenen, Kampermann, Internet: Werkzeuge und Dienste, Springer 1994
12. Solymosi/Grude, Grundkurs Algorithmen und Datenstrukturen, Vieweg 2000
13. Koﬂer, Linux, Addison-Wesley 1998
1
Einleitung
Das Anliegen des Kurses Wissenschaftliches Rechnen I ist es zunächst, Kenntnisse
zu vermitteln und Fertigkeiten zu entwickeln, die zur Nutzung von Computern zur
Lösung mathematischer Probleme befähigen, und, weiter gefaßt, eine Einführung in die
sinnvolle Nutzung vorhandener Computerprogramme zu geben. Dazu gehören solche
Problemkreise wie
• Was kann ein Computer, was kann er nicht?
• Welche vorhandenen Programme kann man wofür nutzen?
• Was tut ein in einer bestimmten Programmiersprache vorgelegtes Programm?
Wie implementiert man bekannte Algorithmen in einer Programmiersprache?
• Welche Möglichkeiten bieten Computer zur Kommunikation?
• Wie erstellt man (mathematische) Texte?
1 EINLEITUNG
4
Die Antworten auf solche Fragen wollen wir in der Vorlesung und den zugehörigen
Übungen sowie im Praktikum gemeinsam erarbeiten.
Vorab will ich drei Zitate anbringen, die uns zu denken geben sollten.
Das erste ist dem im Jahre 1957 erschienenen Buch Praktische Mathematik für Inge”
nieure und Physiker“ von R. Zurmühl entnommen (S. 5/6):
Auch das Zahlenrechnen ist eine Kunst, die gelernt sein will. Es erfordert ständige
Sorgfalt und Konzentration, und auch dann lassen sich Rechenfehler nicht ausschalten.
Zu deren Aufdeckung sind, soweit irgend möglich, laufende Kontrollen in die Rechnung einzubauen, und wo es solche nicht gibt, ist doppelt zu rechnen, z.B. von zwei
Personen parallel. Es empﬁehlt sich das Arbeiten mit dem Bleistift, um leicht korrigieren zu können. Die Anlage gut überlegter und übersichtlicher Rechenschemata . . . hilft
Fehler vermeiden und erlaubt es vor allem, die Rechnung angelernten Hilfskräften zu
überlassen.
H. J. Appelrath und J. Ludewig geben in ihrem Skriptum Informatik“ von 1995 fol”
gende Hinweise zum Programmierstil (S. 96):
Programme sollten mit kleinstmöglichem Aufwand korrigier- und modiﬁzierbar sein.
Ein Ansatz zur Erlangung dieses Ziels ist eine hohe Lokalität durch enge Gültigkeitsbereiche. Größtmögliche Lokalität ist daher vorrangiges Ziel einer guten Programmierung!
Ein Programm sollte daher folgende Merkmale aufweisen:
• Die auftretenden Programmeinheiten (Prozeduren, Funktionen, Hauptprogramm)
sind überschaubar.
• Die Objekte sind so lokal wie möglich deﬁniert, jeder Bezeichner hat nur eine
einzige, bestimmte Bedeutung.
• Die Kommunikation zwischen Programmeinheiten erfolgt vorzugsweise über eine
möglichst kleine Anzahl von Parametern, nicht über globale Variablen.
Schließlich gehen Golub und Ortega darauf ein, was ein gutes Programm ausmacht:
• Zuverlässigkeit – Das Programm darf keine Fehler enthalten; man muß darauf
vertrauen können, daß es das berechnet, was man zu berechnen beabsichtigt.
• Robustheit – Das Programm . . . muß in der Lage sein, . . . ungeeignete Daten zu
entdecken und sie in einer den Benutzer zufriedenstellenden Art und Weise zu
behandeln.
• Portierbarkeit – Gewöhlich erreicht man das dadurch, daß man das Programm
in einer maschinenunabhängigen höheren Programmiersprache wie FORTRAN
schreibt und keine Tricks“, die sich auf die charakteristischen Eigenschaften
”
eines speziellen Rechners stützen, benutzt . . .
• Wartungsfreundlichkeit – Es gibt kein Programm, das nicht von Zeit zu Zeit
geändert werden muß, . . . und dies sollte mit möglichst geringer Mühe geschehen können.
2
2
ZAHLDARSTELLUNG IM COMPUTER
5
Zahldarstellung im Computer
Wenn im Computer ein Programm abläuft, so beﬁnden sich im Arbeitsspeicher Informationen, die auf unterschiedliche Weise interpretiert werden: einerseits sind dies
Befehle“, die abzuarbeiten sind, andererseits Daten“, die zu bearbeiten sind.
”
”
Was sind Daten“?
”
Die kleinste Informationseinheit kann in einem Bit abgelegt werden. Ein Bit kann genau
eine von zwei Informationen der Art ja/nein“, an/aus“, wahr/falsch“, 0/1“ usw.
”
”
”
”
enthalten.
Der kleinste adressierbare Datenbereich ist ein Byte, das sind acht Bit. Ein Byte kann
also 256 verschiedene Werte annehmen.
Solche Werte können als Zahlen (0 ≤ x ≤ 255), als logischer Wert, als Druckzeichen
(’A’, ’B’, . . . ), als Speicheradresse oder als Maschinenbefehl interpretiert werden.
Für viele Zwecke reicht diese Informationsmenge nicht aus, meist faßt man zwei oder
vier Byte zu einem Maschinenwort“ zusammen, ein Wort kann also 216 = 65536 bzw.
”
232 = 4.294.967.296 Werte annehmen.
Zur Darstellung negativer Zahlen gibt es mehrere Möglichkeiten. Wenn das höchstwertige Bit bei nichtnegativen Zahlen auf 0, bei negativen Zahlen auf 1 gesetzt wird, so
schränkt dies den darstellbaren Zahlbereich auf ±215 ein. Eine anderer Möglichkeit ist
es, die zur positiven Zahl x entgegengesetzte Zahl x1 dadurch zu gewinnen, daß man
alle Bits umkippt, dies nennt man das Einerkomplement von x. Zum Beispiel
x = 01101100
x1 = 10010011
= 64 + 32 + 8 + 4 = 108
Dann gilt x + x1 = 11111111 = 2^8 - 1.
Wenn zum Einerkomplement noch 1 addiert (x2 = x1 + 1 = 10010100), so gilt
x + x2 = 2^8 = 1|00000000 = 0,
wenn man das neunte Bit einfach überlaufen läßt. Diese Darstellung der zu x entgegengesetzen Zahl hat die angenehme Eigenschaft, daß x - y = x + y2 gilt. Die Subtraktion ist auf die Addition des sogenannten Zweierkomplements zurückgeführt worden.
Die Bearbeitung der Daten geschieht in sogenannten Registern, diese können je ein
Wort (oder zwei Worte) aufnehmen, und ein Maschinenbefehl wie ADD AX,BX (hexadezimal: 03 C3, dezimal: 3 195) bewirkt die Addition des Inhalts des Registers BX zum
Inhalt von AX. Neben arithmetischen Operationen (Addition, Subtraktion, Multiplikation, Division mit Rest) stehen z.B. bitweise Konjunktion, Shift-Operation usw. zur
Verfügung.
Um das Erstellen eigener Programme zu erleichtern, wurden seit den 60er Jahren höhe”
re“ Programmiersprachen entwickelt. Sie sollten den Programmierer davon entlasten,
den Maschinencode kennen zu müssen, die Adressen der Daten zu verwalten, komplexe Datenstrukturen (mehr als nur Zahlen) zu verwalten sowie häuﬁg angewandte
Befehlsfolgen bequem aufzurufen.
Wir geben hier eine Ahnentafel der gebräuchlichsten Programmiersprachen an (nach
Appelrath/Ludewig);
2
ZAHLDARSTELLUNG IM COMPUTER
1945
1952
1956
1959
1960
1962
1964
1967
1968
1969
Plankalkül (K. Zuse für Z3)
Assembler
Fortran 1
Algol60
LISP
COBOL
BASIC
APL 3
PL1
SIMULA
Algol68
Logo
6
2
1970
1974
1975
1977
1980
1987
1988
1990
1995
Prolog
C
APL2
Fortran77
Smalltalk-80
C++
Pascal
MODULA-2
ADA
Oberon
Fortran90
Java
Als nutzbarer Zahlbereich stehen also nur die Zahlen zwischen 0 und 65355 oder, wenn
man das höchste Bit als Vorzeichenbit interpretiert, zwischen -32768 und 32767 zur
Verfügung, das sind die Zahlen, deren Datentyp man als INTEGER bezeichnet. Da dies,
außer bei der Textverarbeitung und ähnlichen Problemen, nicht ausreicht, stellen höhere Programmiersprachen zusätzlich Gleitkommazahlen zur Verfügung, die wie bei Taschenrechnern in der Form 1.23456E-20 dargestellt werden, dabei ist die Mantisse meist
auf sechs bis acht Dezimalstellen und der Exponent auf Werte zwischen -40 und 40 beschränkt. Diese Schranken sind stark Hardware- und implementationsabhängig, auch
16-stellige Genauigkeit und Exponenten bis ±317 sind möglich. Es gibt hier Standards,
an die sich eigentlich jeder Computerhersteller halten müßte, darauf gehen wir nun ein.
Beim Rechnen mit Computerzahlen treten einige Probleme auf, deren elementarste wir
hier besprechen wollen:
x:= 40000, y:= 30000, z:= 20000
x + y:
-30536
x + y - z:
25000
int(x+y-z): -15536
Die fehlerhafte Berechnung von x + y ist durch den Überlauf (x + y ≥ 215 ) begründet,
wenn sich das Resultat im richtigen“ Bereich beﬁndet, wird alles wieder gut. Solche
”
Fehler können während des Programmlaufs erkannt werden, wenn bei der Übersetzung
eine Bereichsüberprüfung eingestellt wird. Nach dem Standard darf so etwas nicht
passieren.
Auf alle Fälle wird 20000 - 10000 + 15000 richtig berechnet, das Kommutativgesetz
der Addition ist also für Computerzahlen nicht gültig, das Gleiche gilt für das Assoziativgesetz.
Wir kommen nun zu den Gleitkommazahlen (der Typ-Name real“ ist irreführend).
”
Hierzu ist zunächst folgendes zu sagen:
1. Es gibt nur endlich viele Gleitkommazahlen.
1
formula translator
common business oriented language
3
a programming language
2
2
ZAHLDARSTELLUNG IM COMPUTER
7
2. Die Bilder der vorhandenen Gleitkommazahlen sind auf der Zahlengeraden unterschiedlich dicht. Wenn z.B. mit 7stelliger Mantisse gerechnet wird, so ist die
Nachbarzahl von 1.0 · 10−10 die Zahl 1.000001 · 10−10 , der Unterschied ist 10−16 .
Die Nachbarzahl von 1.0 · 1010 ist 1.000001 · 1010 , der Unterschied ist 105 . Das hat
folgende Konsequenzen:
3. Das Addieren einer kleinen Zahl zu einer großen ändert diese evtl. nicht (das
macht aber nichts).
4. Die Subtraktion fast gleichgroßer Zahlen kann zu erheblichen Fehlern führen; da
sich die führenden Ziﬀern gegenseitig auslöschen, werden hinten Nullen nachgeschoben. Dieser in der Dualdarstellung der Zahlen noch sichtbare Eﬀekt wird
aber nach der Konvertierung in die Dezimaldarstellung verschleiert. Deshalb lautet eine goldene Regel:
Vermeidbare Subtraktionen fast gleichgroßer Zahlen sollen vermieden
werden.
Wir wollen einige Eﬀekte vorstellen, die beim Rechnen mit Gleitkommazahlen auftreten: Die Terme
√
1
1
√ =
√
99 − 70 2 =
99 + 70 2
(1 + 2)6
ergeben bei (dezimaler) 10-stelliger Genauigkeit die Werte
0.0050506600000,
0.005050633885,
0.005050633890,
bei 5-stelliger Genauigkeit erhalten wir
0.006,
0.0050507,
0.0050508,
bei 3-stelliger Genauigkeit (so genau konnte man mit einem Rechenschieber rechnen)
0.300,
0.00506,
0.00506.
Mein Taschenrechner mit 8stelliger Genauigkeit liefert in allen drei Fällen dasselbe:
0.0050506.
Um die Subtraktion fast gleichgroßer Zahlen zu vermeiden, gibt es ein paar Tricks:
1
1
1
−
=
x x+1
x(x + 1)
1
1
2
2
−
=
+
2
x+1 x−1
x(x − 1) x
√
√
1
x+1− x= √
√
x+1+ x
Wir berechnen noch die Summe nk=1 k1 , und zwar einmal vorwärts und einmal rückwärts:
n
10
100
1000
vorwärts
rückwärts
2.928 968 254 ... 54
5.187 377 520 ... 19
7.485 470 857 ... 65
Das zweite Ergebnis ist genauer, da zuerst die kleinen Zahlen addiert werden. Zu bemerken ist außerdem, daß diese divergente Reihe auf Computern konvergiert (Das Ergebnis
liegt etwa bei 14).
2
2.1
ZAHLDARSTELLUNG IM COMPUTER
8
Gleitkommazahlen und der IEEE-Standard
Gleitkommazahlen werden in einer Form dargestellt, die der Exponentenschreibweise
±m · 10e ähnelt. Anstelle der Basis 10 für Dezimalzahlen wird die Basis 2 verwendet, wenn ein Maschinenword von 32 Bit zur Verfügung steht, so könnte ein Bit für
das Vorzeichen (0 für +, 1 für −), acht Bit für den Exponenten verwendet werden.
Wenn negative Exponenten in Zweierkomplementdarstellung geschrieben werden, sind
als Werte hierfür – 128 bis 127 möglich. Die restlichen 23 Bit stehen für die Mantisse
zur Verfügung:
x = b0 .b1 . . . b22
Die Darstellung heißt normalisiert, wenn b0 = 1, also 1 ≤ x < 2 ist.
Wir überlegen, warum die normalisierte Darstellung Vorteile hat:
1
= (0.0001100110011 . . .)2
10
Da wir den unendlichen 2er-Bruch abschneiden müssen, behalten wir möglichst viele
signiﬁkante Stellen, wenn wir auf die führenden Nullen verzichten. Die normalisierte
1
ist 1.100110011 . . . · 2−4 . Für die Zahl Null = 0.0 . . . 0 exisiert keine
Darstellung von 10
normalisierte Darstellung.
Die Lücke zwischen der Zahl 1 und der nächstgrößeren Zahl heißt die Maschinengenauigkeit ; dies ist die kleinste Mashinenzahl, die bei der Addition zur 1 etwas von
1 verschiedenes ergibt. Hier ist also = 2−22 . Wenn wir mit × ∈ {+, −, ·, :} eine
Rechenoperation mit exakten Zahlen und mit ⊗ die entsprechende Rechenoperation
mit Maschinenzahlen bezeichnen, so gilt
a ⊗ b = (a × b) · (1 + k) mit |k| < .
Wir veranschaulichen die Verhältnisse, indem wir uns einen Spielzeugcomputer vorstellen, wo für jede Mantisse 3 Bit zur Verfügung stehen und der Exponent die Werte
−1, 0, 1 annehmen kann, also
b0 .b1 b2 · 2e .
Die größte darstellbare Zahl ist (1.11)2 ·21 = 3.5, die kleinste positive ist (1.00)2 ·2−1 = 12 .
Insgestamt sind die folgenden und die zu ihnen entgegengesetzten darstellbar:
0, 12 , 58 , 68 , 78 , 1, 1 14 , 1 12 , 1 34 , 2, 2 12 , 3, 3 12 .
0
1
2
3
Die Maschinengenauigkeit ist = 0.25. Die Lücke zwischen der Null und der kleinsten
positiven Zahl ist viel größer als die Lücken zwischen den kleinen positiven Zahlen.
Die oben genannte Darstellung von Zahlen wurde bei Rechnern der IBM 360/370 - Serie
in den 70ger Jahren verwendet. Auf der VAX wurde die Maschinengenauigkeit dadurch
halbiert (2−23 ), daß man die führende 1 in der normalisierten Darstellung wegließ und
somit ein Bit für die Mantisse gewann.
Bei der Darstellung der Null ging das allerdings nicht, denn hier gibt es keine führende
1 und .000000 bedeutet eben die Zahl 1. Hier mußte also eine Sonderregelung getroﬀen
2
ZAHLDARSTELLUNG IM COMPUTER
9
werden. Darüberhinaus ist es sinnvoll, die Lücken um die Null zu füllen. Für diese
neue Darstellung wird das Exponentenfeld mitgenutzt, was die maximal möglichen
Exponenten etwas einschränkt.
Die im folgenden behandelte Darstellung wurde 1985 als IEEE-Standard (Institute for
Electrical and Electronis Engineers) entwickelt. Dieser Standard wird von den führenden Chipherstellern Intel und Motorola sorgfältig eingehalten.
Die Bedeutung der Bitfolgen ±a1 . . . a8 b1 . . . b23 ist aus folgender Tabelle abzulesen:
a1 . . . a 8
0 . . . 00 = 0
0 . . . 01 = 1
0 . . . 10 = 2
...
01 . . . 0 = 127
10 . . . 0 = 128
...
11 . . . 10 = 254
11 . . . 11 = 255
numerischer Wert
0.b1 . . . b23 · 2−126
1.b1 . . . b23 · 2−126
1.b1 . . . b23 · 2−125
...
1.b1 . . . b23 · 20
1.b1 . . . b23 · 21
...
1.b1 . . . b23 · 2127
±∞, wenn b1 = . . . = b23 = 0
not a number“ sonst
”
Bemerkungen
1. Der Zahlbereich umfaßt etwa 10−38 bis 1038 , die Genauigkeit beträgt 6 bis 7
Dezimalstellen.
2. Anstelle des Exponenten e wird e + 127 gespeichert (biased representation, beeinﬂußte Darstellung).
3. Die Zahlen in der ersten Zeile füllen die Lücke zwischen 0 und den kleinsten normalisierten Zahlen, diese Zahlen heißen subnormal. Die Genauigkeit subnormaler
Zahlen ist geringer als die normalisierter.
4. Der Vergleich zweier Zahlen kann durch bitweisen Vergleich von links nach rechts
durchgeführt werden, wobei man beim ersten Unterschied abbrechen kann.
5. Durch Einführung des Symbols ∞ kann bei Division durch Null ein deﬁnierter
Zustand hergestellt werden.
6. Die angegebene Darstellung heißt IEEE single precision, daneben gibt es double
precision (64 Bit) und extended precision (auf PCs 80 Bit).
2.2
Runden
Sei x eine reelle Zahl (ein unendlicher Zweierbruch); mit x− wird die nächstkleinere
Gleitkommazahl bezeichnet, sie entsteht durch Abschneiden nach dem 23. Bit. Mit
x+ wird die nächstgrößere Gleikommazahl bezeichnet. Wenn b23 = 0 ist, so setzt man
b23 = 1. Wenn aber b23 = 1 ist, so erhält man x+ durch einige Bitüberträge.
2
ZAHLDARSTELLUNG IM COMPUTER
10
Die zur reellen Zahl x gerundete Gleitkommazahl ist entweder x− oder x+ , jenachdem,
ob nach oben oder unten oder zur nächstliegenden Zahl gerundet werden soll (letzteres
ist am meisten verbreitet). Falls die Entscheidung unentschieden ausgeht, ist die Zahl
zu wählen, deren letztes Bit gleich 0 ist.
Bei Multiplikationen/Divisionen mit Gleitkommazahlen ist das exakte Ergebnis oft
keine Gleitkommazahl; der IEEE-Standard fordert, das das Resultat der korrekt gerundete Wert des exakten Ergbenisses ist. Dazu ist es z.B. bei Subtraktionen nötig,
mit mindestens einem zusätzlichen Bit (nach dem 23.) zu rechnen; wir berechnen als
Beispiel 1.00 · 20 − 1.11 · 2−1 = 1.00 · 2−3 mit dreistelliger Mantisse:
1.00
- 0.11|1
-------0.00|1
1.00
- 0.11
------0.01
Wenn die 1 nach dem senkrechten Strich weggelassen werden wird, erhält man das
falsche Ergebnis 2−2 .
Dieses zusätzliche Bit war ursprünglich bei IBM-360-Rechnern nicht vorgesehen und ist
es heute auf Cray-Rechnern immer noch nicht. Die Register einer korrekt arbeitenden
Maschine, etwa im 387er Koprozessor, im 486 DX oder im Pentium sind also breiter
als 32 Bit. Wenn kein Koprozessor vorhanden ist, so wird die Gleitkommaarithmetik
vom verarbeitenden Programm emuliert und man ist zunächst nicht sicher, ob dabei
der IEEE-Standard eingehalten wird. Weiter ist zu beachten, daß die in Registern vorhandenen Zahlen eine höhere Genauigkeit besitzen, als in einer Gleitkommavariablen
abgespeichert werden kann. Solche Eﬀekte werden wir in den Übungen behandeln:
Vermeiden Sie Tests wie
if (a == 0)
oder
do while (a > 0)
sondern führen Sie Funktionen boolean null(a) oder boolean pos(a) ein; dabei gelangen die Registerinhalte in den Speicher und eine unausgeglichene“ Arithmetik wird
”
verhindert.
2.3
Ausnahmebehandlung: Divsion durch Null
In den 50er Jahren gab man als Ergebnis einer Division durch Null einfach die größte
darstellbare Zahl aus und hoﬀte, daß der Nutzer dann schon merken würde, daß da
etwas nicht stimmt. Das ging aber so oft schief (∞ − ∞ = 0), daß man später dazu
überging, das Programm mit einer Fehlermeldung abzubrechen. Das muß aber nicht
sein:
Der Gesamtwiderstand R zweier parallelgeschalteter Widerstände R1 , R2 ist gleich
R=
1
R1
1
+
1
R2
.
2
ZAHLDARSTELLUNG IM COMPUTER
11
Wenn R1 = 0 ist, so ist
R=
1
0
1
1
1 =
+ R2
∞+
1
R2
=
1
= 0,
∞
was ja auch sinnvoll ist.
Im IEEE-Standard sind sinnvolle Ergebnisse für 10 = ∞, x + ∞ = ∞, . . ., aber ∞ ·
0, 0/0, ∞ − ∞, ∞/∞ liefern Ergebnisse vom Typ NaN (not a number), und weitere
Operationen mit NaNs ergeben NaNs, so daß man den Fehler erfolgreich suchen kann.
1
Zu Abschluß schauen wir uns an, wie ein Pascal-Programm die Werte √
√
a
+
b
−
a
√
√
a+b+ a
und
, die übereinstimmen, für a = 1000, b = 0, 001 berechnet, und zwar
b
mit den Zahltypen real, single und extended (bei der Verwendung von double
erfolgte ein Laufzeitfehler: Division durch Null).
real
single
extended
63245.56901478767400
63245.56901478767400
63245.56640625000000
63245.56640625000000
63245.56901475061060
63245.56901475193460
Bei Fortran unterscheiden sich bei real*4-Arithmetik die Ergebnisse bereits in der
zweiten Dezimalstelle, bei real*8-Arithmetik in der letzten angezeigten:
63245.56601074943
Bei Java gibt es folgende Ergebnisse:
63245.56901639513
63245.569014751934
1.6431949916295707E-6
den ganzzahligen Teil subtrahiert:
0.569016395129438
0.5690147519344464
1.6431949916295707E-6
aber es kommen Zweifel auf, ob die dritte Nachkommastelle überhaupt zuverlässig ist.
Mit einem Taschenrechner habe ich 63243.107 (!) bzw. 63245.569 berechnet“. Man
”
fragt sich, welches denn nun eigentlich das richtige“ Ergebnis ist. Hier hat aber Java
”
die Nase vorn, da es auch eine lange“ Arithmetik bereitstellt.
”
Paarweise Addition
Wenn viele Zahlen a1 , . . . , an zu addieren sind und man das naheliegende Verfahren
s = s + ai , i = 1, . . . , n verwendent, so wird, wenn etwa a1 die restlichen Summanden deutlich dominiert, das Ergebnis fast gleich a1 sein, selbst wenn die Summe der
restlichen Terme — für sich genommen — einen bedeutenden Beitrag liefer würde. In
diesem Fall wäre es besser, a1 + (a2 + . . . + an ) zu berechnen, da das Assoziativgesetzt
nicht gilt. Die beschriebene Situation kann man natürlich nicht voraussehen.
2
ZAHLDARSTELLUNG IM COMPUTER
12
Das Ergebnis könnte genauer sein, wenn wir schrittweise benachbarte Summanden
addieren:
((a1 + a2 ) + (a3 + a4 )) + · · ·
Noch besser könnte es gehen, wenn die Paare jeweils betragsmäßig dieselbe Größenordnung hätten, die Folge der ai also zuvor sortiert würde. Eine genauere Analyse dieser
Situation wird im 2. Semester vorgenommen.
Wie man soetwas organisieren kann, werden wir im Lauf des Semesters sehen. Es
wird dann ein höherer Organisationsaufwand betrieben (was Zeit kostet), aber die
Genauigkeit des Ergebnisses kann eigentlich nicht schlechter werden.
Ähnliche Eﬀekte treten beim symbolischen Rechnen (bei Computeralgebrasystemen)
auf; hier treten keine Genauigkeits-, sondern Zeit- und Speicherplatzprobleme auf. Auch
hier muß man bei komplexen Algorithmen nachschauen, welche Operation zu welchen
Zeitpunkt ausgeführt bzw. unterlassen werden sollte. Auch dazu später mehr.
Linux
Wir werden die Übungen und das Praktikum am Rechner durchführen, und zwar unter
dem Betriebssystem Linux (von Linus Torvalds, Helsinki 1991). Hier soll kurz eine
Übersicht über die wichtigsten Kommandos gegeben werden:
passwd
ändern des Paßworts
man kommando
zeigt das Manual zum kommando
cd name
wechselt in das Unterverzeichnis name
cd ..
wechselt in das übergeordnete Verzeichnis
cd
wechselt in das Heimatverzeichnis
more name
zeigt den Inhalt der Datei name
ls
zeigt Inhaltsverzeichnis
ls -al
zeigt Inhaltsverzeichnis detailliert
ls -al | more zeigt Inhaltsverzeichnis detailliert, jeweils ein Bildschirm
mkdir a
erstellt Unterverzeichnis a
cp a b
kopiert die Datei a in die Datei b
mv a b
verschiebt die Datei a in die Datei b
rm a
löscht a (unwiederbringlich)
chmod
ändert Zugriﬀsrechte
Das Kommando chmod bestimmt die Zugriﬀsrechte für den User (u), die Gruppe (g),
und alle Welt (a); die Rechte sind Lesen (r = 4), Schreiben (w = 2) und ausführen (x
= 1) (bei Verzeichnissen bedeutet x: Zugang).
Also chmod 744 * bedeutet: ich kann alles, alle können nur lesen.
Die Tastatur kann man sich (unter dem X-System) umdeﬁnieren, indem man in die
Datei .xinitrc zum Beispiel die Zeile
xmodmap -e ’’ keycode 79 = braceleft ’’
einträgt. Dadurch erhält man die geschweifte öﬀnende Klammer auf der Taste 7 im
numerischen Block (allerdings erst beim nächsten Einloggen). Die Codes der Tasten:
7 hat 79; 8 hat 80; 9 hat 81;
4 hat 83; 5 hat 84; 6 hat 85;
1 hat 87; 2 hat 88; 3 hat 89.
3
3
JAVA-GRUNDLAGEN
13
Java-Grundlagen
Vorbemerkungen:
Java ist nicht einfach“ zu erlernen, es ist eine richtige“ Programmiersprache, deren
”
”
Regeln man sich erarbeiten muß.
Java-Programme werden in einen Bytecode“ übersetzt, zur Ausführung ist ein In”
terpreter notwendig. Daraus resultiert das Vorurteil, daß Java langsam sei. Daran ist
etwas Wahres: Rechenintensive Programme können im Vergleich zu C-Programmen bis
zum 10-fachen der Rechenzeit benötigen. Daran arbeiten die Java-Entwickler. Viele
”
Beobachter gehen davon aus, daß Java-Programme in 2-3 Jahren genausoschnell wie
C/C++-Programme laufen.“ Dieses Zitat stammt aus dem Jahr 1997.
Das Abtract Windowing Toolkit (AWT), das Graphik-Routinen bereitstellt, werden
wir manchmal nutzen, ohne daß hier auf dessen Funktionalität eingegangen wird.
Die zu bearbeitenden Daten werden als Variablen“ bezeichnet (dies hat nichts mit dem
”
gleichnamigen Begriﬀ aus der Analysis zu tun!), Konstanten“ sind spezielle Variable,
”
deren Wert beim Programmstart feststeht und der nicht mehr geändert werden kann.
Jede im Programm verwendete Variable hat einen Namen, der aus den Zeichen A, B,
... , Z, a, b, ... z, 0, ... , 9 und dem Unterstrich zusammengsetzt ist; dabei darf das erste
Zeichen keine Ziﬀer sein.
Vor einer ersten Verwendung einer Variablen muß der Typ“ der Variablen festgelegt
”
werden (die Variable wird deklariert“). Der Typ einer Variablen legt einerseits fest,
”
wieviel Speicherplatz hierfür bereitgestellt werden soll; andererseits wird anhand der
Typen während der Übersetzung festgestellt, ob mit den Operanden auszuführende
Operationen erlaubt sind, eine Typunverträglichkeit führt zu einem Syntaxfehler. Dies
ist für den Programmierer oft ärgerlich, aber immer hilfreich, weil sich bei Syntaxfehlern (neben Schreibfehlern) oft echte Programmierfehler entdecken lassen. Allerdings
sind verschiedene Programmiersprachen unterschiedlich streng bei der Typ-Prüfung.
Manche Sprachen lassen sogar arithmetische Operationen zwischen Zahlen und Wahrheitswerten zu. Auf der anderen Seite ist manchmal eine Typ-Umwandlung notwendig,
hierzu werden spezielle Funktionen bereitgestellt ((float) 1.0 ), oder die Programmierer greifen zu dirty tricks“, wobei sie bei Java auf Granit beißen. Viele Fehler, die
”
z.B. beim Programmieren in C++ dadurch entstehen, daß der Programmierer für die
Speicherverwaltung selbst zuständig ist, können bei Java nicht mehr auftreten. Es gibt
keine Pointer.
3.1
Primitive Typen
Bei Java stehen die folgenden Grundtypen zur Verfügung (alle Zahlen sind vorzeichenbehaftet):
3
JAVA-GRUNDLAGEN
Typ
byte
short
int
long
14
Bemerkung
-128 ... 127
- 32768 ... 32767
2 Milliarden
92..07 ∼ 1019 (ÜA)
bisher alle ganzzahlig
ﬂoat
4 Byte Gleitkommazahl, IEEE 754-1985 Standard
double 8 Byte max. 10317
char
2 Byte Unicode-Zeichensatz, noch lange nicht ausgefüllt
boolean 1 Bit
true oder false
Wir werden den Typ float nicht verwenden.
3.2
Größe
1 Byte
2 Byte
4 Byte
8 Byte
Operatoren
Mit Hilfe von Operatoren kann man aus Variablen Ausdrücke zusammensetzen, es
stehen u.a. die arithmetischen Operatoren
+, -, *, /, %
zur Verfügung (% ist der modulo-Operator), darüberhinaus gibt es Zuweisungsoperatoren (man spart Schreibarbeit, aber es wird etwas unübersichtlich), den Inkrementoperator ++, den Dekrementoperator --, Bitoperatoren, Verschiebungsoperatoren, die
Vergleichsoperatoren
==, !=, <, >, <=, >=
sowie die logischen Operatoren &&, ||, !. Wenn in einem Ausdruck mehrere logische
Operatoren vorkommen, so werden die Ergebnisse von links nach rechts ausgewertet.
Die Auswertung wird abgebrochen, sobald das Ergebnis feststeht (das Ergebnis einer || -Operation ist true oder das Ergebnis einer &&-Operation ist false); das ist
nützlich, wenn z.B. weiter rechts stehende Operanden gar nicht existieren.
Bei Java werden die Operatoren in Ausdrücken, in denen unterschiedliche Zahltypen
vorkommen, automatisch in den den übergeordneten Zahltyp konvertiert. Das sollte
man ausprobieren. Es darf nämlich nicht falsch verstanden werden! Ein häuﬁger Fehler
ist
double x;
x = 1 / 2;
Nun, das ist völlig korrekt, es wird nur nicht das berechnet, was man vielleicht denkt:
x ist eine Gleitkommazahl, also wird das Ergebnis gleich 0.5 sein. Nein, 1 und 2 sind
ganzzahlig (im Gegensatz zu 1.0 und 2.0) und der Term 1/2 wird ganzzahlig berechnet,
ist also gleich 0. An diese Stelle gehört ein ganz großes Ausrufungszeichen.
Ein Programm setzt sich aus Anweisungen zusammen, z.B.
a = b + c; x = y * z;
Rechts vom Gleichheitszeichen steht ein Ausdruck, links eine Variable, die den Wert
des berechneten Ausdrucks erhält.
Einer Charakter-Variablen weist man mit a = ’a’ einen konstanten Wert zu; bei einer String-Variablen (einer Zeichenkette) sind die Anführungszeichen zu verwenden:
3
JAVA-GRUNDLAGEN
15
s = "abc"; numerische Konstanten werden als Gleitkommazahlen gedeutet, wenn irgendetwas darauf hinweist, das es welche sein sollen, z.B. 3.14, 2f, 0F, 1e1, .5f,
6.; wenn f oder F (für float) fehlt, aber ein Dezimalpunkt oder ein Exponent auf eine
Gleitkommazahl hinweist, wird double angenommen.
Obwohl nicht alle Operatoren eingeführt wurden, soll hier die Vorrangs-Reihenfolge
dargestellt werden; wenn davon abgewichen werden soll, sind Klammern zu setzen:
. [] () einstellig: + ! ++ -- instanceof
zweistellig: * / % + - < <= >= > == != & ^ | && || ?: =
Variablen, die einem der bisher genannten primitiven Datentypen zugehören, stehen
nach ihrer Deklaration sofort zur Verfügung, können also belegt und weiter verarbeitet
werden. Die Deklarationen müssen nicht, wie in anderen Sprachen, am Anfang eines
Blocks stehen, jedenfalls aber vor der ersten Verwendung.
Bei einer Division durch Null entsteht der Wert ±∞, wenn der Zahlbereich überschritten wird, ensteht NaN.
3.3
Felder
Ein Feld (array) ist eine Folge von Variablen ein- und desselben Datentyps (der nicht
primitiv sein muß, ein Feld von gleichartigen Feldern ist eine Matrix usw.). Um mit
einem Feld arbeiten zu können, muß es
1. deklariert werden,
int folge[];
int[] folge;
double[][] matrix;
2. Speicherplatz erhalten,
folge = new int[5];
damit stehen folge[0], ... , folge[4] zur Verfügung,
3. gefüllt werden:
folge[1] = 7;
Eine andere Möglichkeit besteht darin, das Feld sofort zu initialisieren:
int folge[] = {1,2,3,4,5};
dann gibt folge.length die Länge an.
3.4
Programmsteuerung
Um den Programmﬂuß durch die bearbeiteten Daten steuern zu können, benötigt man
Auswahlanweisungen; es gibt die if-, if-else- und die switch-Anweisung.
if ((a != b) || (c == d))
{
a:= 2; // hier sind 2 Anweisungen zu einen Block zusammengefasst worden
3
JAVA-GRUNDLAGEN
16
b:= c + d;
}
else
a:= 0;
Die Auswertung der logischen Bedingungen erfolgt in der angegebenen Reihenfolge; es
wird höchstens einer der Blöcke abgearbeitet. Der else-Zweig kann entfallen.
Zählergesteuerte Wiederholungsanweisung:
Syntax:
for (init; test; update) anweisung;
for (i = 1; i <= 10; i++)
{
a = a * a;
b = b * a;
}
for (i = a.length - 1, i >= 0; i--)
s = s + a[i];
Kopfgesteuerte Wiederholungsanweisung:
Syntax:
while (condition) anweisung;
while (true)
a = a * a;
// dies ist eine Endlosschleife
Die while-Schleife wird solange wiederholt, wie die angegebene Bedingung wahr ist.
Innerhalb der Schleife sollte etwas getan werden, was den Wahrheitswert der Bedingung
ändert.
Fußgesteuerte Wiederholungsanweisung:
Syntax:
do anweisung; while (condition);
do
{
a = a * a;
b = b * a;
}
while (b < 20);
Die do-Schleife ist nicht-abweisend, sie wird mindestens einmal durchlaufen.
Schleifen können auch geschachtelt werden:
for (i = 1; i <= 10; i++)
for (j = 1; j <=10; j++)
a[i][j] = b[j][i];
3
JAVA-GRUNDLAGEN
17
Ich habe mit Pascal den Test gemacht, ob (bei nicht-quadratischen Feldern) die Reihenfolge des Durchlaufs der Schleifenvariablen eine Auswirkung auf die Rechenzeit hat
und keinen Unterschied feststellen können. Man sollte aber beachten: In for-Schleifen
wird normalerweise auf indizierte Variable zugegriﬀen und die Berechnung der Adresse
eines Feldelements aus dem Index braucht Zeit. Man sollte solche Dereferenzierungen
so selten wie möglich durchführen.
Es ist sicher ein schlechter Progammierstil, wenn man gezwungen ist, die Berechnung
innerhalb einer Schleife abzubrechen oder die Schleife ganz zu verlassen. Für diesen
Notfall stehen die Anweisungen continue und break zur Verfügung, die auch noch mit
Sprungmarken versehen werden können (das erinnert doch sehr an die goto-Möglichkeiten, mit der man sich Programm-Labyrithe schaﬀen kann).
Schließlich sind noch Anweisungen zur Ein- und Ausgabe von Daten notwendig.
System.out.print(Zeichenkette);
gibt die Zeichenkette aus. Zeichenketten lassen sich mit dem +-Operator verknüpfen:
wenn a eine numerische Variable ist, so wird sie innerhalb der print-Anweisung mittels
" " + a in eine Zeichenkette umgewandelt und ausgegeben. Wenn println verwendet
wird, so erfolgt ein Zeilenvorschub.
Die Eingabe ist etwas schwieriger: Hier müssen mögliche Fehler explizit abgefangen
werden (es muß aber nichts getan werden): Wir lesen eine ganze Zahl, indem wir eine
Zeichenkette lesen und diese umwandeln:
import java.io.*;
public static int readint()
{
String s; int i, k;
DataInput d = new DataInputStream(System.in);
try
{
s = d.readLine();
i = 0;
for (k=0; k < s.length(); k++)
i = 10 * i + ((int)s.charAt(k) - 48);
return i;
}
catch (IOException ignored) {}
return(0);
}
Die Berechnung von i in der for-Schleife kann durch
i = Integer.parseInt(s)
ersetzt werden.
import java.io.*;
public class cat
{
public static void main(String args[])
3
JAVA-GRUNDLAGEN
{
DataInput d = new DataInputStream(System.in);
String line;
try
{
while ((line = d.readLine()) != null)
System.out.println(line);
}
catch (IOException ignored){}
}
}
Noch ein Beispiel für das Rechnen mit beliebig langen Zahlen:
import java.math.*;
import java.util.*;
import java.io.*;
class v2
{
public static BigInteger lies() // soll eine lange Zahl lesen
{
BigInteger a;
String s;
s = B.readstr();
a = new BigInteger(s);
return(a);
}
public static void schreib(BigInteger a)
{
String s = a.toString();
System.out.println(" "+s);
}
public static void main(String args[])
{
BigInteger a,b,c;
a = lies();
schreib(a);
b = lies();
schreib(b);
c = a.multiply(b);
schreib(c);
}
}
18
3
3.5
JAVA-GRUNDLAGEN
19
Methoden
Rechenabläufe, die mehrmals (mit verschiedenen Parametern) wiederholt werden, oder
die man zur besseren Strukturierung eines Programms vom Rest des Programms abtrennen will, realisiert man durch Methodenaufrufe. Dazu müssen also Methoden deﬁniert werden. Die Kopfanweisung einer Methodendeklaration kann folgende Form haben:
public static TYP name (f1, f2, ...)
Dabei gibt TYP den Ergebnistyp der Metode an, der mit der return-Anweisung erzeugt
wird; damit wird die Arbeit der Methode beendet.
Das folgende Beispiel realisiert das sogenannte Hornerschema zur Berechnung des Werts
f (x0 ) für ein Polynom f (x) = an xn + an−1 xn−1 + . . . + a1 x + a0 , dabei wird die Ausklammerung f (x) = (. . . ((an x + an−1 )x + an−2 )x + . . . + a1 )x + a0 genutzt, um das
Berechnen von Potenzen zu vermeiden.
import java.io.*;
public class horner
{
public static double horn (double[] a, double x0)
{
int i, n;
double f;
n = a.length - 1;
f = a[n];
for (i = n-2; i >= 0; i--)
f = f * x0 + a[i];
return f;
}
public static void main(String arg[])
{
double a[] = {1,1,1};
// also x^2+x+1
double h;
h = horn(a, 2.0);
System.out.println(h);
}
Falls keine Parameter übergeben werden (müssen), ist eine leere Parameterliste ( ) zu
übergeben. Es sind rekursive Aufrufe möglich.
Beim Aufruf eines Unterprogramms wird bei nichtprimitiven Typen direkt auf den
Speicherplatz, den die Parameter belegen, zugegriﬀen (call by reference), d.h. auch
die Eingangsparameter können verändert werden (Vorsicht!). Als aktuelle Parameter
können nicht nur Variable, sondern auch Ausdrücke übergeben werden (die kann man
naturgemäß nicht ändern). Eine sorgfältige Dokumentation aller Parameter ist unbedingt anzuraten.
Eine einfache Sortiermethode:
3
JAVA-GRUNDLAGEN
20
public static void sort(int[] feld)
{
int i, j, l = feld.length - 1, tausch;
for (i = 1; i <= l-1; i++)
for (j = i+1; j <= l; j++)
if (feld[i] >= feld[j])
{
tausch = feld[i];
feld[i] = feld[j];
feld[j] = tausch;
}
}
3.6
Programmeinheiten
Die Java-Programmeinheiten sind Klassen. In einer Klasse können Objekte und Methoden vereinbart werden. Ein ausführbares Programm (eine Applikation) enthält eine
main-Methode, an die Parameter von der Komandozeile übergeben werden können. In
jeder Klasse kann (zu Testzwecken) eine main-Methode implementiert werden.
public class Klasse
{
public static void main(String arg[])
{
int i;
if (arg.length == -1)
System.out.println("Eingabe erwartet");
else
{
for (i = 0; i <= arg.length - 1; i++)
System.out.print(arg[i] + " ");
System.out.println();
}
}
}
Methoden für Objekte
public class rational
{
int zaehler, nenner;
// das Objekt rational hat 2 Komponenten
public int ganzerTeil()
{
return this.zaehler / this.nenner;
}
3
JAVA-GRUNDLAGEN
21
}
import rational;
import java.io.*;
public class test
{
public static void main(String a[])
{
rational c = new rational();
c.zaehler = 5;
c.nenner = 2;
System.out.println(c.ganzerTeil());
}
}
Die Superklasse object enthält Methoden, die für alle Arten von Objekten zugänglich
sind, z.B.
a.equals(b)
Vergleich, nicht: a == b
b = (TYP)a.clone()
kopiert, nicht: b = a
s = a.toString()
ergibt eine (druckbare) Zeichenkette.
Bei Deklarationen können (gleichnamige) Objekte in übergeordneten Klassen verdeckt
oder auch überschrieben werden. Wenn man das vermeiden will, sollte man den Variablen ihren Klassen-Namen aufzwingen.
Wenn eine Klasse nur Variable (sog Instanzmerkmale), aber keine statischen Methoden
enthält, so entspricht dies dem Verbunddatentyp aus C oder Pascal (struct bzw.
record).
Objekte werden angelegt, indem eine Variable vom Typ der Klasse deklariert und ihr
mit Hilfe des new-Operators ein neu erzeugtes Objekt zugewiesen wird:
rational c = new rational();
Es wird eine neue Instanz der KLasse rational angelegt. Attribute von Klassen,
Methoden und Variablen
public: in der Klasse, in abgeleiteten Klassen und beim Aufruf einer Instanz der Klasse
verfügbar;
private: nur innerhalb der Klasse verfügbar;
static: nicht an die Existenz eines konkreten Objekts gebunden (wie oben ganzerTeil,
equals usw.), existiert solange wie die Klasse;
final: unveränderbar (Konstanten).
Klassenvariable (Attribut static) werden nur einmal angelegt und existieren immer;
sie können von jedermann verändert werden (sie sind so etwas wie globale Variable).
Die Bezugnahme geschieht mit
klasse.name
Nicht-statische Methoden werden beim Erzeugen einer Instanz der Klasse verfügbar:
3
JAVA-GRUNDLAGEN
22
class c {
public c {};
public String i() {};
}
Aufruf:
c nc = new c();
String x;
x = nc.i();
Die folgende Methode liefert nicht das, was man erwartet hat:
public static void tausch (int i, int j)
{
int h = i; i = j; j = h;
}
Hier wird zwar lokal etwas vertauscht, dadurch ändern sich aber die Werte i, j nicht.
Wenn die Parameter einer Methode einen nichtprimitiven Typ haben und verändert
werden, wirks sich dies global aus. Parameter werden mittels call by value“ überge”
ben; hier sind es Adressen, welche auch unverändert bleiben. Aber die Inhalte können
verändert werden.
Java importiert automatisch das Paket java.lang.*, dazu gehört z.B. die Klasse
Math, hier ﬁnden man z.B. Math.sqrt(x), die Math - Methoden haben als Ergebnistyp
double. Nützlich ist auch Integer.MAX_VALUE.
Programmelemente – Zusammenfassung
• Anweisungen (können auch Deklarationen enthalten),
• Blöcke
{anw1;
anw2;
dekl1;
anw3;
}
//nur im Block gueltig
Ein Block ist nach außen nur eine Anweisung (nach if(...) usw. darf nur eine
Anweisung stehen, z.B. ein Block).
• Methoden: sie haben Namen, evtl. Parameter und Rückgabewerte; ihre Parameter
sind als Referenzen (Zeiger) angelegt (call by reference);
• Klassen: sie enthalten Variable, die den Zustand von Objekten beschreiben, und
Methoden, die das Verhalten von Objekten festlegen; Klassen sind schachtelbar:
ihre Variablen können den Typ derselben Klasse haben; damit sind rekursive
Datenstrukturen (Listen) realisierbar;
3
JAVA-GRUNDLAGEN
23
Beispiel: Polymome
import
import
import
import
java.math.*;
java.io.*;
java.util.*;
hgR.*; // Operationen mit rationalen Zahlen
public class hgP
{
public hgR co;
public int ex;
public hgP next;
public hgP()
// Konstrukteur
{
this.co = hgR.assign(0);
this.ex = 0;
this.next = null;
}
public static boolean iszero(hgP p)
{
return (!(p instanceof hgP) || hgR.zero(p.co));
}
public static void writep(hgP p)
{
if(!(p instanceof hgP))
System.out.print(" NULL ");
else if (hgR.zero(p.co))
System.out.print(" zero ");
while (p instanceof hgP)
{
if (hgR.positiv(p.co))
System.out.print("+");
hgR.aus(p.co);
System.out.print("x^" + p.ex);
p = p.next;
}
System.out.print(" ");
}
Wenn eine Klasse importiert wurde, reicht der Klassenname zur Dereferenzierung
einer Methode / Variablen aus (nicht der ganze Name ist nötig);
3
JAVA-GRUNDLAGEN
24
• Pakete: Sammlungen von Klassen; jeder Methoden- oder Variablenname besteht
aus drei Teilen:
– Paketname,
– Klassen- oder Objektname,
– Methoden- oder Variablenname, z.B.
java.lang.Math.sqrt
Java weiß natürlich, wo es seine eigenen Pakete zu suchen hat, das obige steht in
.../java/classes/java/lang/Math
evtl. gibt es unter java auch nur eine zip-Datei, die gar nicht ausgepackt werden
muß (der Compiler weiß, wie er damit umzugehen hat).
• Applikationen (= Programme): Klassen mit main-Methoden;
• Applets: werden aus einer HTML-Seite heraus aufgerufen.
Eigene Pakete erstellt man, indem man den beteiligten Klassen sagt, daß sie beteiligt
sind:
package P;
public class A
{
...
}
Dies gehört in die Datei A.java, wie ja der Klassenname sagt. Woher kann aber der
Compiler eine Information über das Paket P erhalten? Es gibt keine Datei mit diesem
Namen. Man kann sein Paket aber auch nicht unter .../classes unterbringen, denn
dort hat man keine Schreibrechte. Also: Die Datei A.java gehört ins Verzeichnis
./P
Dort wird sie gesucht und gefunden. Pakete nutzt man mit
import P.*;
Die Klassen im aktuellen Verzeichnis . werden zu einem namenlosen Paket zusammengefaßt; deren Methoden können ohne Importe verwendet werden. Das Paket java.lang
wird automatisch importiert, man hat also automatisch eine Funktion wie Math.sin
zur Verfügung.
Entwicklung eines Programms
1. Quelltext erstellen, z.B T.java,
2. Übersetzen des Quelltexts mittels
javac T.java
3
JAVA-GRUNDLAGEN
25
ggf. werden Syntaxfehler angezeigt, die zu korrigieren sind. Wenn keine Fehler
vorhanden sind, entsteht die Datei
T.class
dies ist keine ausführbare Datei (kein Maschinencode), sondern Java-Bytecode“,
”
der auf allen Plattformen durch einen Java-Interpreter ausgeführt werden kann:
java T
3.7
Graﬁk
Ein Beispiel:
import java.awt.*;
// fuer Grafik
import java.awt.event.*; // zum Abschluss
public class sinus extends java.applet.Applet
// Die Applet-Klasse wird erweitert; ihre Methoden stehen hier zur Verfuegung.
{
public static int
s = 100;
// 60 Pixel soll die Einheit sein, (nur) hier ist ggf. zu ndern;
// s soll ein Teiler von 600 sein
public static double p = 1.0 / s;
// 1 Pixel
public void paint(Graphics g)
{
int ya, y, i,j;
for (i = 0; i <= 600; i = i+s)
// Koordinatensystem
g.drawLine(i,0,i,600);
for (i = 0; i <= 600; i = i+s)
g.drawLine(0,i,600,i);
g.setColor(Color.red);
g.drawLine(0,300,600,300); g.drawLine(300, 0, 300, 600);
g.setColor(Color.blue);
ya = (int)(-Math.sin(-300*p)*s) + 300;
// Anfang
for (i = 1; i<= 600; i++)
{
y = (int)(-Math.sin((i-300)*p)*s) + 300; // verschieben
if ((y > 0) && (y < 600))
// drin ?
g.drawLine(i-1,ya,i,y);
// von alt nach neu
ya = y;
// weitersetzen
}
}
public static void main(String[] arg)
{
3
JAVA-GRUNDLAGEN
26
double w;
Frame f = new Frame("Sinus");
f.setBackground(Color.white);
f.addWindowListener(new WindowAdapter()
{ public void windowClosing(WindowEvent e) {System.exit(0);}} );
sinus m = new sinus();
f.setSize(600, 600);
f.show();
}
}
3.8
Dateibehandlung
Dies wollen wir uns nur anhand einiger Beispiele (Rezepte) ansehen, ohne auf die
Bedeutung der Funktionen einzugehen.
import java.io.*;
public class ausgabe
// Guido Krueger
{
public static void main(String arg[])
{
BufferedWriter f;
String s;
if (arg.length == -1)
System.out.println("Dateiname erwartet");
else
{
try
{
f = new BufferedWriter(new FileWriter(arg[0]));
for (int i = 1; i <= 100; i++)
{
s = "Dies ist die " + i + ". Zeile";
f.write(s);
f.newLine();
}
f.close();
}
catch(IOException e)
{
System.out.println("Fehler");
}
}
}
import java.io.*;
3
JAVA-GRUNDLAGEN
27
public class nummer
{
public static void main(String arg[])
{
LineNumberReader f;
String line;
try
{
f = new LineNumberReader(new FileReader("nummer.java"));
while ((line = f.readLine()) != null)
{
System.out.print(f.getLineNumber() + ": ");
System.out.println(line);
}
f.close();
}
catch(IOException e)
{
System.out.println("Fehler");
}
}
}
Zum Schluß noch ein schönes Beispiel:
import java.math.BigInteger;
import java.util.*;
// insbes. wird die Klasse Vector importiert,
// das ist ein Feld, das wachsen kann
public class factor
// D. Flanagan
{
protected static Vector table = new Vector();
static { table.addElement(BigInteger.valueOf(1));
public static BigInteger factorial(int x)
{
if (x < 0)
throw new IllegalArgumentException("x darf nicht negativ sein");
for (int size = table.size(); size <= x; size++)
{
BigInteger lastfact = (BigInteger)table.elementAt(size - 1);
BigInteger nextfact = lastfact.multiply(BigInteger.valueOf(size));
table.addElement(nextfact);
}
return (BigInteger)table.elementAt(x);
}
4 KOMMUNIKATION MITTTELS COMPUTER
28
public static void main(String[] arg)
{
for (int i = 1; i <= 50; i++)
System.out.println(i + "! = " + factorial(i));
}
Den Umgang mit Dateien (genauer: die notwendige Behandlung eventueller Ausnahmen) lernt man am Besten anhand von Beispielen, z.B. bei Flanigan, S. 175 - 212.
4
Kommunikation mitttels Computer
Wenn Rechner miteinander verbunden werden, kann man von einem Rechner aus auf
die Resourcen des anderen zugreifen: Man kann die auf der anderen Festplatte vorhandenen Daten und Programme nutzen. Die einfachste Verbindung zweier PCs geschieht
durch ein Nullmodem, das sind vier Drähte, die bestimmte Anschlüsse der seriellen
oder parallen Schnittstellen verbinden; dann braucht man noch etwas Software, die
den Datenaustausch organisiert.
In den USA wurde Ende der 60er Jahre begonnen, Computer militärischer Einrichtungen und von Universitäten zu verbinden. Das Internet, ein die ganze Welt umspannendes Netz von ca. 3 Millionen Computern, entstand Mitte der 80er Jahre.
Die einfachste Art der Kommunikation ist das Versenden und Empfangen von Briefen:
die elektronische Post, e-mail. Zur Verwendung von e-mail sind drei Dinge notwendig:
Der Text eines Briefs muß vorhanden sein. Die Adresse des Empfängers muß bekannt
sein. Es muß ein Programm vorhanden sei, das die Post verschickt. Zuerst zur Adresse:
Jede Person, die Zutritt zum Internet erlangt, erhält mit seinem Login gleichzeitig eine
e-mail-Adresse. Wenn sein Login-Name N lautet, er bei der Institution I arbeitet und
im Land L wohnt, könnte seine e-Mail-Adresse
[email protected]
lauten, z.B. [email protected]. Daß die Nutzernamen innerhalb eines lokalen Netzes eindeutig sind, wird durch die jeweilgen System-Verantwortlichen
gewährleistet. Daß sich die verschiedenen Rechner voneinander unterscheiden lassen,
ist durch die Vergabe eindeutiger Rechnernummern durch die in jedem Land wirkenden
Netzwerk-Informations-Zentren (NIC) zu sichern.
Nun zum Verschicken: Wenn die Datei D den zu versendenden Text enthält, so schreibt
man
mail [email protected] < d
dabei wird dem Programm mail die Datei D als Eingabedatei übergeben. Wenn man
nur
mail [email protected]
schreibt, folgt die Auﬀorderung
4 KOMMUNIKATION MITTTELS COMPUTER
29
Subject:
und man soll einen Betreﬀ“ eingeben. Danach schreibt man seinen Text. Die Ein”
gabedatei für mail ist jetzt die Tastatur. Man beendet eine Datei, indem man das
Dateiende-Kennzeichen <cntrl>+Z (unter DOS) bzw. <cntrl>+D (unter Unix / Linux)
eingibt, oder indem man eine Zeile schreibt, die nur aus einem Punkt besteht; letzeres
ist am einfachsten. (Es gibt auch mailtools, die etwas mehr Komfort bieten.)
Man kann eingegangene Post lesen, indem man das Programm mail ohne Parameter
aufruft. Man erhält zunächst eine Liste der Absender eingegangener Briefe, aus denen
man sich einen auswählen kann.
Die herkömmliche gelbe Post wird von e-mail-Nutzern als snail mail“ bezeichnet, sie
”
hat aber auch einige Vorzüge: Wirklich wichtige Dinge sollte man nicht ausschießlich
per e-mail verschicken; aus diesem oder jenen Grund kann elektronische Post auch verlorengehen. Man soll sich also bestätigen lassen, daß die Nachricht angekommen ist.
Auf der anderen Seite soll man wirklich vertrauliche Dinge auch nicht, zumindest nicht
unverschlüsselt, dem Internet anvertrauen (fast jeder kann alles lesen). Allerdings denken die entsprechenden staatlichen Stellen intensiv darüber nach, wie es zu verhindern
ist, daß unkontrolliert verschlüsselte Botschaften versandt werden.
Mit dem Programm telnet, dem ersten Dienst, der im Internet eingerichtet wurde,
kann man auf einem fremdem Rechner so arbeiten, als säße man davor. Man schreibt
telnet rechnername
und wird vom fremden Rechner zum Einloggen aufgefordert. Zum Einloggen muß man
natürlich berechtigt sein, aber wenn man das nicht wäre, wüßte man sicher gar nicht
den Namen des Rechners, den man nutzen will. Es ist allerdings zu beachten, daß das
Paßword unverschlüsselt über die Leitung geschickt wird. Bei Verwendung des Dienstes
ssh (security shell) ist diese Sicherheitslücke geschlossen, jedoch muß dieser Dienst auf
beiden beteiligten Rechnern installiert sein, was man nicht ohne weiteres voraussetzen
kann.
Ein weiterer Dienst ist das File Transfer Protocol ftp. Es gibt an vielen Universitäten
spezielle Rechner, die nichts anderes tun, als Daten für den Austausch bereitzuhalten.
Dies sind die FTP-Server. Auf diese Rechner darf jeder zugreifen, man schreibt:
ftp rechnername
und wird nach seinem Namen gefragt
username:
Es ist üblich, daß ein Login mit dem Namen anonymous oder einfach ftp eingerichtet
ist, mit diesem loggt man sich ein. Danach wird ein Paßwort“ abgefragt, das keins
”
ist. Man wird gebeten, als Paßwort seine vollständige e-mail-Adresse anzugeben. Dann
folgt der Prompt
ftp>
4 KOMMUNIKATION MITTTELS COMPUTER
30
Normalerweise weiß man, in welchem Verzeichnis die Daten liegen, die man sich holen
will. Wenn nicht, so muß man den Verzeichnisbaum durchstöbern. Mit dem Kommando
ls
schaut man sich Inhaltsverzeichnisse an, mit
cd
wechselt man Verzeichnisse. Mit
get filename
oder
put filename
holt man sich eine Datei bzw. schreibt eine Datei (falls man dies darf, dies ist nicht
automatisch erlaubt, ggf. muß man sich mit dem Administrator des Servers in Verbindung setzen). Will man mehrere Dateien lesen oder schreiben, so gibt man am besten
zunächst das Kommando
prompt
das schaltet Einzelrückfragen ab, danach z.B.
mget *.dat
oder
mput a*
Dabei werden ASCII-Dateien übertragen. Will man binäre Dateien, z.B. gepackte Programme, übertragen, so sendet man vorher das Kommando
bin
Mit
quit
kappt man die Verbindung.
Mit den Diensten Gopher und WWW wurde ein bequemer Zugriﬀ auf weltweit verstreute Informationen möglich. Hierzu gab es zunächst zeilenorientierte Web-browser“,
”
also Netz-Stöberer“; das World Wide Web wurde 1993/94 bekannt, als mit dem Brow”
ser mosaic eine graﬁsche Oberﬂäche geboten wurde. Wenn die Texte im Format Hypertext Markup Language (HTML) erstellt wurden, so kann man sich durch einen
Mausklick auf markierte Worte automatisch auf andere Rechner/Dateien weiterleiten
lassen. Dieses System wurde von Marc Andreesen entwickelt, er war damals Student,
später gründete er die Firma Netscape, deren gleichnamiger Browser mosaic so gut
wie verdrängt hat.
4 KOMMUNIKATION MITTTELS COMPUTER
31
In die Gestaltung ihrer Internet-Seiten verwenden die Autoren immer aufwendigere
Techniken, bunte, bewegte Bilder usw., oft einfach, um aufzufallen. Daraus resultieren
teilweise erhebliche Ladezeiten. Einige Browser zeigen den aktuellen Datendurchsatz
beim Laden an. Wenn dieser bei 1 ... 2 KByte / s liegt, kann man froh sein, bei 150
Byte / s wird man ungeduldig. Das Wort “stalled“ heißt: abgewürgt.
Für den Hausgebrauch (wenn also beim Surfen Telefonkosten anfallen) ist die Verwendung der frei erhältlichen Browser lynx oder arena vorteilhaft, diese übertragen keine
Bilder und Farben und unterstützen keine Maus-Operationen; den Links folgt man mit
den Pfeil-Tasten.
Wenn es einem einmal gelungen ist, ins Netz einzudringen (dazu muß man nur eine
Adresse kennen), so wird man durch freundliche vorhandene Insassen um die ganze
Welt geleitet. Auf die Heimatseite desInstituts für Mathematik gelangt man durch
Eingabe der URL(uniform resource locator)
http://www.mathematik.hu-berlin.de/
Dort kann man sich das Vorlesungsverzeichnis ansehen, zur Informatik, dem Rechenzentrum oder zu anderen mathematischen Instituten in Berlin bzw. Deutschland durchhangeln oder in den von Mitarbeitern und Studenten gestalteten persönlichen Seiten“
”
nachschauen, worauf diese hinweisen wollen. Da ist man schnell in der Gemäldegalerie
von Bill Gates gelandet.
Zur Gestaltung eigener Web-Seiten ist es zweckmäßig, zuerst mal eine Seite von einem
Bekannten, die in HTML geschreiben ist, zu kopieren (der Bekannte ist auf die gleiche
Weise zu seiner Vorlage gekommen) und sich als ASCII-Text anzusehen. Da erfährt man
schon viel über die Struktur dieses Formats. Nun ändert man die persönlichen Angaben
einfach ab und speichert die Datei unter einem vom SysOrg vorgegebenen Namen, oft
Wellcome.html oder index.html in einem ebenfalls vorgegebenen Verzeichnis, in
dem alle Nutzern Leserechte haben, ab; das Verzeichnis könnte z.B. public_html
heißen.
(Unter DOS ist die Dateinamenserweiterung .htm zu verwenden.)
Eine Einführung in HTML wird in dem Buch“ HTML-Einführung von H. Partl gege”
ben, das im Web u.a. unter der URL
http://www.mathematik.hu-berlin.de/~richter/hein.html
zu ﬁnden ist, gegeben.
Eine Einführung ins Internet ﬁndet man in dem Buch von M. Scheller u.a., das ebenfalls
im Web lesbar ist; fragen Sie unter [email protected] an.
Wenn man an einem Rechner sitzt und auf einem anderen etwas editieren will, muß
man dazu natürlich berechtigt sein. Man kann aber evtl. seinen favorisierten Editor
nicht benutzen, weil der fremde Rechner den gar nicht kennt oder nicht weiß, wohin
der denn die Daten schicken soll (der fremde Rechner weiß nichts über Sie). Hier hilft
der Editor vi, der auf jedem Unix-Rechner installiert ist. Der Aufruf erfolgt mittels
vi dateiname
Mit dem Kommando :set nu kann man sich Zeilennummern anzeigen lassen. Nun
kann man sich mit den Kursor-Tasten im Text bewegen, wenn das nicht geht, helfen
5 CRASH2TEX
32
die Tasten h, j, k, l und die Return-Taste. Das Zeichen unter dem Kursor streicht
man mit x, man ersetzt es mit r neues-Zeichen. Die aktuelle Zeile streicht man mit
dd.
Um etwas in den Text einfügen zu können, muß man sich mittels i in den Insert-Modus
begeben oder mit o bzw. O eine Leerzeile unter bzw. über der aktuellen einfügen.
Nun kann man schreiben. Den Insert-Modus verläßt man mit der Escape-Taste. Zum
Sichern schreibt man :wq.
Das waren nur die allereinfachsten Kommandos, natürlich gibt es auch über vi ganze
Bücher.
5
LATEX
In diesem Abschnitt soll kurz ein Texterstellungssystem vorgestellt werden, das sich
besonders zum Schreiben mathematischer Texte eignet.
Heute ist auf PCs das Textverarbeitungssystem Word weitverbreitet. Hier hat man
Menüs, an denen man viele Verarbeitungseigenschaften (Schriftgrößen usw.) einstellen
kann, und man hat eine Schreibﬂäche, auf der der Text so dargestellt wird, wie er
später gedruckt aussieht. Derartige Textverarbeitungssysteme machen aus dem PC eine
komfortable Schreibmaschine. Die Datei, die den gespeicherten Text enthält, enthält
außerdem zahlreiche Formatierungsinformationen, oft in Form nichtdruckbarer Zeichen.
Eine derartige Datei sollte man nie von Hand“ verändern.
”
Demgegenüber ist TEX ein Programm, das einen Text als Eingabe erwartet und daraus ein Ergebnis erarbeitet, das alle Informationen enthält, um fertige Druckseiten zu
erstellen. TEX erfüllt also die Aufgabe eines Schriftsetzers; es ist als Programmiersprache eines Satzautomaten aufzufassen. TEX wurde 1978 bis 1982 von Donald Knuth an
der Stanford University entwickelt. Einen weiten Anwenderkreis hat es durch das von
Leslie Lamport geschaﬀene Werkzeug LATEX erhalten.
Es versteht sich, daß dieser Text mittels LATEX (genauer: glatex von emtex erstellt
wurde.
Die Eingabedatei – eine reine ASCII-Datei – stellt man mit Hilfe eines Editors her. Ein
Wort“ ist eine Zeichenkette, die kein Leerzeichen und kein Zeilenende-Kennzeichen
”
enthält (dies sind Trennzeichen, die auf die späteren Wortabstände keinen Einﬂuß haben). Ein Absatz wird durch eine Leerzeile beendet, Zeilen- und Seitenumbrüche werden
automatisch durchgeführt. Innerhalb des Textes können Befehle stehen, die entweder
mit einem Backslash \ beginnen oder ein verbotenes Zeichen darstellen; verbotene
Zeichen, die also eine besondere Bedeutung haben, sind
#, $, &, ~, _, ^, %, {, }.
Wenn ein # im Text nötig ist, so muß man \# schreiben.
Befehle haben eventuell Argumente:
\befehl[optional]{zwingend}
Im Vorspann werden globale Eigenschaften des Texts festgelegt:
5 CRASH2TEX
33
• Papierformat,
• Textbreite und -höhe,
• Seitenköpfe, Numerierung.
Unumgänglich sind die folgenden Angaben
\documentstyle[Optionen]{Stiltyp} bzw. \documentclass...
\begin{document}
Dann folgt der Text. Am Ende steht
\end{document}
Der Name der Eingabedatei muß auf .tex enden, z.B. text.tex, der Aufruf latex
text erzeugt die Datei text.dvi, die den formatierten Text in druckerunabhängiger
Form enthält. DVI steht für device independent“, und das ist ernst zu nehmen: man
”
kann eine DVI-Datei am PC erzeugen und an Unix-Rechner anschauen. Diese Datei
wird schließlich von einem Treiber (z.B. dvips) zu einer druckbaren Datei weiterverarbeitet.
Eingestellte Optionen gelten innerhalb einer bestimmten Umgebung. Eine Umgebung
beginnt mit
\begin{umg}
und ended mit
\end{umg}.
Die Wirkung von Änderungsbefehlen (Zeichengröße, Schriftart usw.) endet beim aufhebenden Änderungsbefehl oder am Umgebungsende. Beispiele für Umgebungsnamen
sind center, quote (beidseitig einrücken), flushleft, flushright. Es gibt auch
namenlose Umgebungen {}, z.B. {\bf fetter Druck} erzeugt fetten Druck.
Innerhalb der verbatim-Umgebung werden alle Zeichen (auch Leerzeichen und Zeilenumbrüche) im tt-Format genauso gedruckt, wie sie geschrieben wurden.
5.1
Maßangaben
Als Maßeinheiten können Zentimeter cm, Millimeter mm, Zoll in, Punkte pt, Picas pc,
die Breite eines Gedankenstrichs em und die Höhe des kleinen x ex verwendet werden.
Ein Zoll sind 72,27 Punkte, ein Pica sind 12 Punkte. Beispiele:
\setlength{\textwidth}{12.5cm}
\setlength{\parskip}{1ex plus0.5cm minus0.2cm}
\parskip bezeichnet den Absatzabstand, mit plus und minus kann man Dehn- und
Schrumpfwerte angeben, die (wenn möglich) Anwendung ﬁnden; damit hat man ela”
stische Maße“. Besonders elastisch ist das Maß \fill, z.B. vergrößert man Abstände
mit
5 CRASH2TEX
34
\hspace{\fill}
Der Parameter von hspace kann auch negativ sein.
Sonderzeichen in speziellen Sprachen gibt es auch:
\pounds, \OE, \’{o}, "A, "s, \today
Dies stellt £, Œ, ó, Ä, ß, 10. Januar 2001 dar.
5.2
Stile
Man kann sich aus vorgefertigten Dateien Standard-Einstellungen laden:
\documentstyle[option, ...]{stil}
Optionen beziehen sich jeweils auf eine .sty-Datei, z.B.
11pt, 12pt, twoside, twocolumn, bezier, german, a4.
Als Stile gibt es book, article, report, letter. Ebenfalls im Vorspann wird der
Seitenstil vereinbart:
\pagestyle{stil}
Als Stile kommen in Frage: empty (keine Seitennummern), plain (Seitennummern),
headings (lebende Seitenüberschriften). Den Stil der aktuellen Seite kann man abweichend festlegen: \thispagestylestil. Abstände sind z.B. \baselineskip (Zeilenabstand), \parskip (Absatzabstand) und \parindent (die Größe des Einzuge der ersten
Zeile eines Absatzes). z.B.
\setlength{\parskip}{0cm}
5.3
Untergliederungen
\chapter, \section, \subsection
unterteilt in Abschnitte, \chapter gibt es nur in Büchern. Z.B. gibt man dem Abschnitt
Gleichungssysteme“ die Seitenüberschrift Systeme“ durch
”
”
\section[Systeme]{Gleichungssysteme}
Die einzelnen Abschnitte werden automatisch durchnummeriert. Das kann man auch
selbst beeinﬂussen:
\setcounter{chapter}{-1}
Mittels
\tableofcontents
erstellt man ein Inhaltsverzeichnis. Wenn dies am Anfang des Texts stehen soll, muß
man LATEX zweimal denselben Text bearbeiten lassen, denn es wird stets die bisher
vorhandene Information über das Inhaltsverzeichnis benutzt.
5 CRASH2TEX
5.4
35
Schriftarten
Folgende Schriftarten stehen zur Verfügung:
\rm (Roman, 10pt, dies ist der Standard), \em (emphasize, kursiv), \bf (fett), \tt
(Schreibmaschine), \sl (slanted, geneigt), \sc (small capitals), \sf (sans serif).
Dieser Text ist jeweils (immer zwei Worte weise) mit den vorhandenen Schriftarten gesetzt worden.
Die
Größe der
Buchstaben ist eine
der folgenden:
\tiny, \small, \normal, \large, \Large, \LARGE, \huge, \Huge.
5.5
Aufzählungen
\begin{itemize}
\item erstens
\item zweitens
\end{itemize}
ergibt
• erstens
• zweitens
Außerdem gibt es enumerate und description, dabei werden die Items numeriert bzw.
an Stichworten festgemacht. All das kann man auch verschachteln. Um die Markierung
zu ändern, schreibt man z.B. in den Vorspann:
\renewcommand{\labelitemiii}{+}}
Dabei wird in der dritten Schachtelungsstufe als Marke ein + verwendet.
5.6
Regelsätze
Hierunter versteht man die in mathematischen Texten übliche gleichartige Gestaltung
der Form
Satz 5.1 (Gauß) Dies ist der Satz von Gauß.
Satz 5.2 (Fermat) Dies ist der Satz von Fermat.
Man erreicht dies durch die Vereinbarung
\newtheorem{satz}{Satz}[chapter]
und den Aufruf
5 CRASH2TEX
36
\begin{satz}[Gau"s]
...
\end{satz}
Dabei ist satz der Bezeichner und Satz der zu setzende Titel; die Angabe von chapter
in der Vereinbarung hat zur Folge, daß Sätze innerhalb eines Kapitels durchnumeriert
werden. Wenn auch Lemmata, Folgerungen usw. gemeinsam durchnumeriert werden
sollen, so kann man
\newtheorem{lemma}[satz]{Lemma}
\newtheorem{folg}[satz]{Folgerung}
vereinbaren.
5.7
Kästen
Durch
\framebox[4cm][l]{Text}
wird ein Kasten erzeugt, der linksbündigen Text Text
enthält.
Wenn anstelle von der Positionierungsangabe l ein r steht, wird der Text rechtbündig
rechter Text Ohne Angabe wird er zentriert.
angebracht.
5.8
Teilseiten (minipages)
Durch eine Vereinbarung wie
\begin{minipage}[pos]{breite} .... \end{minipage}
wobei pos die Ausrichtung an der aktuellen Zeile bestimmt und die Werte b, t, c
annehmen kann (bottom, top, centered), erstellt man einen Textteil, der logisch wie
ein Wort behandelt wird; man kann also mehrere Teilseiten nebeneinander setzen (man
nennt dies auch mehrspaltigen Satz).
Ich mußte jedoch die Erfahrung machen, daß innerhalb von minipages die ansonsten
automatisch durchgeführte Silbentrennung nicht funktionierte; hier muß man selbst
Hand anlegen: wenn \- in die Silbenfugen eingefügt wird, entsteht dort eine mögliche
Trennungsfuge.
5.9
Tabellen
\begin{Tab-Typ}[pos]{spaltenformat} ... \end{Tab-Typ}
5 CRASH2TEX
37
Der Tab-typ kann tabular oder array sein, für pos kann t oder b stehen (Ausrichtung
an aktueller Zeile), als spaltenformat sind möglich:
l, r, c
: links- oder rechtsbündig bzw. zentriert
|
: senkrechter Strich
||
: zwei Striche
*{5}{|c}|
ergibt |c|c|c|c|c|
Die Zeilen einer Tabelle sind durch \\ zu trennen, der jeweilige Spaltenanfang wird
durch & markiert (außer 1. Spalte; die Spalten werden richtig untereinandergesetzt),
mit \\ \hline wird eine waagerechte Linie eingefügt.
5.10
Mathematische Formeln
1. In mathematischen Texten werden Variable stets in einer anderen als der Grundschrift gesetzt, normalerweise kursiv. Die Bezeichner von Standardfunktionen
werden jedoch steil gesetzt.
2. Es gibt eine Vielzahl vordeﬁnierter mathematischer Symbole, wie , , ∈ , ×, −→
usw, die nur in einer Mathematik-Umgebung vorkommen dürfen. Es gibt zwei derartige Umgebungen: eine für Formeln, die in der laufenden Zeile vorkommen, und
eine für abgesetzte“ Formeln, die einen neuen Absatz eröﬀnen und zentriert ge”
setzt werden. Als Umgebungsgrenzen können jeweils ein oder zwei Dollarzeichen
genommen werden, z.B.:
Es gilt $ \sum _{i=1} ^n i = \frac{(n+1)n}{2} $
ergibt
Es gilt
n
i=1
i=
(n+1)n
,
2
während
$$ \sum _{i=1} ^n i = \frac{(n+1)n}{2} $$
n
(n + 1)n
i=
2
i=1
ergibt.
3. Wir stellen die einige Möglichkeiten zusammen, für weitere möge man in entsprechenden Tabellen nachsehen.
5 CRASH2TEX
38
x2 , xa+b
x2 , xa+b
Exponenten
Indizes
Brüche
Wurzeln
Summe
Integral
x^2, \; x^{a+b}
x_2, \; x_{a+b}
\frac{c}{a+b}
sqrt{x}, \; sqrt[n]{x}
\sum
\int
Punkte
Funktionen
Striche etc.
. .
\ldots \; \cdots \; \vdots \; \ddots
. . . · · · .. . .
\exp, \; \lim
exp, lim
\overline{xxx}, \; \underbrace{yyy}_n xxx, yyy
c
a+b √
√
x, n x
große Klammern \left[\matrix{1 & 2 \cr 3 &4} \right]
5.11
n
1 2
3 4
Einfache Zeichnungen
Eine Bildumgebung wird durch
\begin{picture}(breite, hoehe)
eingerichtet; dabei bezeichnen breite und hoehe die Größe des Bildes, das an der
aktuellen Stelle eingefügt werden soll. Die Maßzahlen beziehen auf die z.B. durch
\setlength{\unitlength}{3cm}
festgelegte Längeneinheit. Man stelle sich nun ein Koordinatensytem vor, dessen Ursprung in der linken unteren Ecke des Bildes liegt. Mit
\put(x,y){objekt}
positioniert man an der Stelle (x,y) ein Objekt, dabei ist es zulässig, daß x und y
beliebige Werte haben; es wird auch außerhalb des Bildes gezeichnet.
Einen Text bringt man z.B. so an:
\put(x,y){text}
\put(x,y){\makebox(0,0){text}}
Aber eigenlich soll ja etwas gezeichnet werden.
\setlength{\unitlength}{1cm}
\begin{picture}(4,4)
\put(0,1){\line(1,0){4}}
\put(3,0){\line(0,1){3}}
\put(0,0){\line(2,1){4}}
\put(4,4){drei Linien}
\end{picture}
5 CRASH2TEX
39
~
✬✩
drei Linien
✟
✟✟
✟✟
✟✟
✫✪
✟✟
✟
✟
ergibt
✟
Eine Linie zieht man mit dem Befehl
\line(x,y){proj}
Dabei ist y/x der Tangens des Anstiegswinkels, für x und y sind die Werte 0, 1, 2, 3, 4,
5, 6 zulässig, sie müssen zudem teilerfremd sein. Der Wert proj gibt bei senkrechten
Linien die Länge, sonst die Länge der Projektion auf die x-Achse an. Analog kann man
mit
\vector(x,y){proj}
einen Pfeil zeichnen, hier sind als Abszissen Werte zwischen 0 und 4 zugelassen. Mit
\circle{durchm},
\circle*{durchm}
kann man kleine Kreise bzw. Kreisﬂächen (bis 1/2 Zoll Durchmesser) zeichnen. Größere
Kreise zeichnet man am besten mit Hilfe des Bezier-Stils: Mit
\bezier{punktzahl}(x1,y1)(x2,y2)(x3,y3)
zeichnet man eine Parabel durch die Punkte P1 und P3, deren entsprechende Tangenten
sich im Punkt P2 schneiden; durch Zusammensetzen solcher Kurven erhält man glatte
Übergänge.
✘
✘
✘✘✘
✁
✁
✁
✁
✁
✁
✘
✘✘✘
✘
✘
✘
\begin{picture}(5,3)
\bezier{150}(0,0)(1,2)(5,3)
\thinlines
\put(0,0){\line(1,2){1}}
\put(1,2){\line(4,1){4}}
\end{picture}
Bilder können auch verschachtelt werden.
5 CRASH2TEX
5.12
40
Eigene Befehle
Häuﬁg wiederholte Befehlsfolgen möchte man vielleicht zu einem einzigen neuen Befehl
zusammenfassen, wobei evtl. noch Parameter übergeben werden sollen. Die folgenden
Konstrukte schaﬀen neue Befehle bzw. überschreiben alte:
\newcommand{\name}[parameterzahl]}{definition}
\renewcommand{\name}[parameterzahl]}{definition}
Die Parameteranzahl kann zwischen 0 und 9 liegen. Der Aufruf erfolgt durch
\name{...}
Beispiele:
\newcommand{\xvecnmath}{(x_1, \ldots , x_n)}
\newcommand{\xvecntext}{$(x_1, \ldots , x_n)$}
Der Aufruf von \xvectmath ist nur im mathemematischen Modus möglich, der von
xvecttext nur im Textmodus, da eben Indizes _“ in Texten nicht erlaubt sind. Als
”
Trick für beide Modi kann man
\newcommand{\xvecnallg}{\mbox{$(x_1, \ldots , x_n)$}}
vereinbaren, dies ist in beiden Modi legal und liefert (x1 , . . . , xn ) bzw. (x1 , . . . , xn ).
Wenn man aber (yk , . . . , yl ) erzeugen will, so kann man Parameter übergeben:
\newcommand{\yvecallg}[3]{\mbox{$(#1_#2, \ldots , #1_3)$}}
Der Aufruf hierfür würde
\yvecallg{y}{k}{l}
lauten. Falls jeder Parameter nur ein Zeichen enthält, kann man auch \yvecallgykl
schreiben, das ist (im Quelltext) aber schwer lesbar.
Eigene Deﬁnitionen von Befehlen, die man auch andernorts noch verwenden möchte,
schreibt man am besten in eine eigene Start-Datei, die man am Anfang des Dokuments
mit dem Befehl
\input eingabe
einliest.
Mittels % leitet man einen Kommentar ein, der bis zum Zeilenende geht.
\symbol{60} ergibt das Kleinerzeichen, \sim ist eine Tilde; es gibt auch \smile ...
Zum Abschluß füge ich meine Standard-Anfangsdatei an. Überlegen Sie, warum die
angegebenen Deﬁnitionen gewählt wurden und was sie bewirken.
5 CRASH2TEX
\def\Bbb#1{{\bf #1}}
\def\square{\hfill \hbox{\vrule\vbox{\hrule\phantom{o}\hrule}\vrule}}
\documentstyle[german,bezier,12pt]{book}
\textwidth15.5cm
\textheight23cm
\oddsidemargin0mm
\evensidemargin-4.5mm
\topmargin-10mm
\pagestyle{headings}
\markboth{l}{r}
\setlength{\parindent}{0pt}
\setlength{\unitlength}{1cm}
\makeindex
\begin{document}
\newtheorem{satz}{Satz}[chapter]
\newtheorem{lemma}[satz]{Lemma}
\newtheorem{folg}[satz]{Folgerung}
\newcommand{\p}{\par \noindent}
\newcommand{\m}{\par \medskip \noindent}
\newcommand{\diag}[8]
{
$$
\begin{array}{clclc}
& #1 & \stackrel{\displaystyle #2}{\longrightarrow} & #3 \\
#4 & \Big\downarrow & & \Big\downarrow & #5 \\
& #6 & \stackrel{\displaystyle #7}{\longrightarrow} & #8
\end{array}
$$
}
\newcommand{\betq}[1]{\left| #1 \right| ^2}
\newcommand{\bet}[1]{\left| #1 \right|}
\newcommand{\pr}[2]{\langle #1, #2 \rangle}
\newcommand{\bi}{\begin{itemize}}
\newcommand{\jj}{\item}
\newcommand{\ei}{\end{itemize}}
\newcommand{\be}{\begin{enumerate}}
\newcommand{\ee}{\end{enumerate}}
\newcommand{\bs}{\begin{satz}}
\newcommand{\es}{\end{satz}}
\newcommand{\bl}{\begin{lemma}}
\newcommand{\el}{\end{lemma}}
\newcommand{\bfo}{\begin{folg}}
\newcommand{\efo}{\end{folg}}
\newcommand{\de}{{\bf Definition: }}
\newcommand{\Pa}{\left\| }
41
6 KOMPLEXITÄT
42
\newcommand{\ap}{\right\| }
\newcommand{\eps}{\; \epsilon \;}
\newcommand{\la}{\longrightarrow}
\newcommand{\kreis}
{
\bezier{100}(1.707,1.707)(2,1.414)(2,1)
\bezier{100}(1,2)(1.414,2)(1.707,1.707)
\bezier{100}(0.293,0.293)(0,0.586)(0,1)
\bezier{100}(1,0)(0.586,0)(0.293,0.293)
\bezier{100}(1.707,0.293)(2,0.586)(2,1)
\bezier{100}(1,0)(1.414,0)(1.707,0.293)
\bezier{100}(0.293,1.707)(0,1.414)(0,1)
\bezier{100}(1,2)(0.586,2)(0.293,1.707)
}
6
Komplexität
Die Eﬃzienz von Algorithmen mißt man an der verbrauchten Zeit und dem belegten
Speicherplatz. Wir behandeln hier die Zeit-Komplexität.
Wenn verschiedenen Implementierungen (verschiedene Algorithmen), die ein und dieselbe Funktion realisieren, mit denselben Eingabedaten und auf denselben Rechner
verglichen werden sollen, genügt die Zeitmessung mit der eingebauten Rechneruhr, z.
B. t = B.zeit(t).
Wenn vom Rechner oder, allgemeiner, vom Maschinenmodell abstrahiert werden soll,
die Daten aber gleich sind, so kann man die Operationen zählen; der konkrete Zeitbedarf
hängt von den Ausführungszeiten auf dem konkreten Rechner ab.
Wenn auch von den Eingabedaten abstrahiert werden soll, so berechnet man die Zahl
der Operationen in Abhängigkeit von der Anzahl der Eingabedaten.
Wenn ein Algorithmus für die Verarbeitung von n Daten 10 · n log n Rechenschritte
benötigt und ein anderer braucht n2 + 10n, welcher ist dann schneller? Für n = 10
braucht der erste etwa 400 Schritte, der zweite nur 200. Aber für n = 100 braucht der
erste 8000 Schritte und der zweite 10000 und für immer größere Anzahlen schneidet der
erste Algorithmus immer besser ab. Wenn es um die Eﬃzienzbestimmung bei großen
Datenmengen geht, so nimmt man eine asymptotische Abschätzung des Aufwandes
vor. Dabei sieht man von konstanten Faktoren ab: zwei Algorithmen, die Rechenzeiten
von einem bzw. zehn Jahren benötigen, sind gleichermaßen inakzeptabel.
6.1
6.1.1
Eﬀektives und uneﬀektives Rechnen
Der Kreis
Die Aufgabe besteht darin, die Koordinaten der Punkte des Einheitskreises zu berechnen, z.B. um Kreise zu zeichnen.
1. Methode: naiv
6 KOMPLEXITÄT
43
Für α = 0, 1, . . . , 359 berechne
x(α) = cos(2π · α/360),
y(α) = sin(2π · α/360).
Dafür braucht man 720 Funktionsaufrufe.
2. Methode: eﬀektiver
Setze β = 2π/360, CB = cos β, SB = sin β. Wenn x(α), y(α) schon bekannt sind, so
ist
x(α + 1) = cos(α + β) = cos α cos β − sin α sin β,
y(α + 1) = sin(α + β) = sin α cos β + cos α sin β.
Also:
x(0) := 1, y(0) := 0,
Für α = 1, . . . , 359 :
CA := x(α), SA := y(α),
x(α + 1) := CA · CB − SA · SB,
y(α + 1) := SA · CB + CA · SB.
In der Schleife ﬁndet gar kein Funktionsaufruf mehr statt, aber die Rundungsfehler
pﬂanzen sich fort.
3. Methode: Beachten von Symmetrien
Wir lassen den Winkel α nur von 1 bis 45 laufen und weisen neben (x, y) auch (±x, ±y)
und (±y, ±x) die entsprechenden Werte zu. Man sollte überprüfen, ob man wirklich
nur 1/8 der Zeit dafür braucht.
4. Methode: Tabellieren
Wenn viele Kreise zu behandeln sind (verschobene, mit verschiedenen Radien), so kann
man die Daten des Einheitskreises tabellieren und neue Daten daraus berechnen. Bei
kleinen Kreisen braucht man evtl. nur jeden 10. Punkt anzufassen.
5. Ganzzahlige Kreiskoordinaten
Wenn Punkte auf den Bildschirm gezeichnet werden sollen, so braucht man ganzzahlige
Koordinaten; man kann also im Integer-Bereich rechnen, das geht schnell.
Im Bereich zwischen 0 und 45 Grad ist der obere Nachbarpunkt des Kreispunkts (x, y)
entweder der Punkt (x − 1, y + 1) oder (x, y + 1). Wir prüfen also, welcher der Werte
| (x − 1)2 + (y + 1)2 − r2 |
und
| x2 + (y + 1)2 − r2 |
der kleinere ist. Wir berechnen x(y) in Abhängigkeit von y:
x[0] := r
für y = 1, . . . , √12 r berechne:
A = (x[y − 1])2 + y 2 − r2
6 KOMPLEXITÄT
44
wenn abs(A) < abs(A − 2x[y − 1] + 1) ist, so
setze x[y] = x[y − 1],
sonst x[y] = x[y − 1] − 1.
Ellipsenpunkte berechnet man, indem man die Koordinatenpunkte des Einheitskreises
geeignet mit Faktoren multiplipliziert.
Nochmals Symmetrien: Die Diedergruppe D4
u
❅
❅
❅
❅
❅
❅
❅
❅
❅
w
❅
❅
❅
❅
❅
❅
❅
s
❅
✏✏❅
❅
r
❅
❅
d ❅
Ein Quadrat hat 8 Symmetrien: die Spiegelungen an den Achsen w, s, d, u und die
Drehungen r0 , r, r2 , r3 um Vielfache von 90o . Die Nacheinanderausführung zweier solcher Symmetrien ist wieder eine Symmetrie, sie sind bijektive Abbildungen und für
die Komposition von Abbildungen gilt das Assoziativgesetz; die Symmetrien bilden die
sog. Diedergruppe D4 .
Es gilt
D4 = {e, r, r2 , r3 , s, rs = u, r2 s = w, r3 s = d},
diese Gruppe wird also durch die Elemente r, s erzeugt (wobei wir anstelle von s irgendeine Spiegelung einsetzen dürfen). Durch die Rechenregel
sr = r−1 s
sind bereits alle Produkte festgelegt.
Nun ist aber auch jede Drehung ein Produkt zweier (geeigneter) Spiegelungen, etwa
r = wd.
Wir denken wieder an ein Koordinatensystem und wollen wissen, in welchen Punkt
(i, j) bei der Drehung r übergeht. Hier haben wir die Spiegelungen w, d bevorzugt, da
diese Operationen am einfachsten zu implementieren sind (der Koordinatenursprung
ist links oben, das Quadrat mit der Seitenlänge n soll um seinen Mittelpunkt gedreht
werden):
d : (i, j) → (j, i),
6 KOMPLEXITÄT
45
w : (i, j) → (n − i, j),
also
r = wd : (i, j) → (j, i) → (n − j, i).
6.1.2
Der größte gemeinsame Teiler
Den ggT zweier natürlicher Zahlen a, b berechnet man mit Hilfe des Euklidischen Algorithmus:
r = 1;
while (r != 0)
{
r = a % b;
a = b;
b = r;
}
return a;
Wenn ggT (a, b) = d ist, so gibt es ganze Zahlen u, v mit
d = u · a + v · b,
die Zahl d ist die betragsmäßig kleinste (von Null verschiedene) Zahl, die sich als
Vielfachsumme von a und b darstellen läßt.
Beim Lösen diophantischer Gleichungen ist es hilfreich, eine derartige Darstellung von
d zu kennen. Man kann eine solche Darstellung erhalten, wenn man die Schritte des
Euklidischen Algorithmus rückwärts verfolgt.
Wir können aber einen der Faktoren auch gleich mitberechnen: Wir setzen
r0 = a; r1 = b; t0 = 0; t1 = 1;
es sei
r0 = q 1 r1 + r 2 .
Im k-ten Schritt sei
rk−1 = qk rk + rk+1 ,
tk−1 = qk tk + tk+1 ,
wobei wir das jeweilige qk in der ersten Zeile berechnen und in der zweiten Zeile zur
Berechnung von tk+1 verwenden.
Wir setzen nun voraus, daß der Term rk − btk durch die Zahl a teilbar ist; der Induktionsanfang
1 · a − b · 0 = a,
1·b−b·1=0
rechtferigt dies. Dann folgt aber auch, daß
rk+1 − btk+1 = −qk rk + rk−1 − b · (tk−1 − qk tk )
6 KOMPLEXITÄT
46
durch a teilbar ist (der Induktionsschritt geht von k − 1undk zu k + 1).
Am Ende ist also d = rk+1 und mit v = tk+1
au = d − bv,
woraus u berechnet werden kann.
6.1.3
Ausrollen von Schleifen
Schauen Sie sich das folgende Programm an. In beiden Schleifen werden dieselben
Rechenoperationen durchgeführt. In der zweiten Schleife werden mehrere nacheinanderfolgende Operationen zusammengefaßt und der Zählindex entsprechend vergrößert.
import java.io.*;
import java.lang.Math.*;
public class ausrollen
{
public static int nn = 100 * 65536;
// durch 8 teilbar !
public static byte a[] = new byte[nn];
public static int s;
public static void init()
{
for (int i = 0; i < nn; i++)
a[i] = (byte)(Math.random() * 100);
}
public static int summe1()
{
s = 0;
for (int i = 0; i < nn; i++)
s = s + a[i];
return s;
}
public static int summe2()
{
s = 0;
for (int i = 0; i < nn - 7; i = i + 8)
s = s+a[i]+a[i+1]+a[i+2]+a[i+3]+a[i+4]+a[i+5]+a[i+6]+a[i+7];
return s;
}
public static void main(String arg[])
{
6 KOMPLEXITÄT
long t = B.zeit(0);
init();
int s;
t = B.zeit(t);
s = summe1();
t = B.zeit(t);
System.out.println(s);
s = summe2();
t = B.zeit(t);
System.out.println(s + "
47
");
}
}
Es treten zwei Eﬀekte auf:
1. Die zweite Schleife benötigt bei Fortran nur etwa die Hälfte der Rechenzeit; dies
triﬀt bei sehr langen Schleifen auch bei Pascal zu. Bei Java ist der Beschleunigungseﬀekt auch zu messen, ich konnte ihn nur nicht so deutlich nachweisen.
Das liegt daran, daß Felder nicht beliebig groß gemacht werden können: Die Indizierung hat durch int-Zahlen zu erfolgen; wenn man ein Feld anlegen will, für
das der Speicher nicht ausreicht, erhält man nicht etwa bei der Übersetzung eine
Fehlermitteilung, sondern beim Versuch, die Klasse abarbeiten zu lassen, ﬁndet“
”
Java die Klasse nicht.
Wenn ich wie oben ein Feld aus 10 Mio Bytes aufsummiere, braucht mein Rechner
3 bzw. 2 Sekunden. (Allerdings dauerte die Initialisierung über eine Minute.) Da
float-Felder nicht so groß werden können, ergaben sich jeweils Rechenzeiten von
0 Sekunden.
Wenn allerdings in der Schleife kompliziertere Operationen (Funktionsaufrufe)
ausgeführt werden, geht die Beschleunigung zurück.
2. Die Ergebnisse der Summation unterschieden sich bei Fortran in der letzten Dezimalstelle. Welches Ergebnis war wohl richtiger als das andere?
Hier sind alle Summanden positiv und innerhalb eines Achterblocks wahrscheinlich ungefähr von derselben Größenordnung, so daß die Zahl der abgeschnittenen
Stellen gering bleiben könnte. Die Zahl s wird aber ständig größer, so daß sich s
bei kleinen ai evtl. gar nicht verändert. Wahrscheinlich ist die zweite Rechnung
vorzuziehen. (Wenn die Summe der ersten 216 natürlichen Zahlen im real*4Bereich berechnet wird, so ist beim ersten Verfahren die fünfte (von 6 bis 7)
Dezimalstellen falsch, beim zweiten richtig).
Wenn die Länge der auszurollenden Schleife nicht durch die Ausroll-Breite teilbar ist,
muß das Schleifenende natürlich nachbehandelt werden.
6 KOMPLEXITÄT
6.1.4
48
Komplexe Zahlen
Eine komplexe Zahl hat die Gestalt z = a + bi, wobei a, b reell sind und i2 = −1 gilt;
diese Darstellung mit Real- und Imaginärteil heißt die kartesische Darstellung von z.
Für die Polarkoordinaten des Punkts (a, b) gilt
a = r cos ϕ
b = r sin ϕ,
√
dabei ist r = |z| = a2 + b2 und ϕ das Argument von z. Bei der Berechnung des
Betrags kann ein Überlauf vorkommen, den man dadurch abfangen kann, daß man
max(|a| , |b|) ausklammert. Das Argument bestimmt man am einfachsten durch ϕ =
arccos(a/r).
Während sich die Addition und Subtraktion komplexer Zahlen am einfachsten in der
kartesischen Darstellung durchführen läßt, sind die Multiplikation, Division, das Wurzelziehen oder allgemeiner die Potenzierung in der Polardarstellung einfacher: bei der
Multiplikation multiplizieren sich die Beträge und addieren sich die Argumente.
6.2
Polynome
Werte berechnen
Für das Polynom f (x) = a0 xn + a1 xn−1 + · · · an−1 x + an soll der Wert f (b) berechnet
werden.
Die naive Methode geht so:
w := a0
für i = n − 1 : w := w + ai ∗ M ath.pow(b, i)
Aufwand: Falls der Compiler pﬁﬃgerweise die Potenzberechnung in b ∗ b · · · ∗ b verwandelt, also keine Potenzreihenentwicklung durchführt, sind 1 + 2 + · · · + n = n(n+1)
∼ n2
2
Multiplikationen nötig.
Das Schema von Horner (1819) benötigt nur n Multiplikationen, denn wegen
f (b) = (· · · ((a0 b + a1 )b + a2 )b + · · · an−1 )b + an
kann man so rechnen:
w := a0
für i = 1, . . . , n :
w := w ∗ b + ai
Potenzieren
Dieselbe Idee kann man verwenden, um (große) Potenzen einer Zahl zu berechnen. Um
xn zu berechnen, stellen wir den Exponenten im Binärsystem dar: n = (bk . . . b0 )2 =
bi 2i . Wir sehen also, daß n der Wert eines gewissen Polynoms an der Stelle 2 ist. Ein
Summand (1) verlangt eine Multiplikation, ein Faktor (2) verlangt eine Quadrierung.
6 KOMPLEXITÄT
49
y = 1
w = x
solange n > 0:
wenn n ungerade:
y = y * w
wenn n > 1:
w = w * w
n = n / 2
Das Ergebnis ist y
Dies entspricht der Auswertung des Exponenten mittels des Horner-Schemas: Wir stellung uns die binär dargestellte Zahl als Polynom vor, dessen Koeﬃzienten Nullen und
Einsen sind, in das die Zahl 2 eingesetzt ist.
Polynomdivision mit Rest
Seien f (x), g(x) Polynome, dann gibt es eindeutig bestimmte Polynome q(x), r(x)
mit
1. f (x) = g(x)q(x) + r(x) und
2. r(x) = 0 oder deg(r) < deg(g).
Das Polynom q(x) heißt der Quotient, r(x) der Rest der Polynomdivision.
Falls nun g(x) = x − b ein lineares Polynom ist, dann ist der Divisionsrest eine Konstante, und zwar gleich f (b), wie man aus
f (x) = (x − b)q(x) + r
durch Einsetzen von x = b sieht.
Das wäre eine neue Methode der Wertberechnung. Wie eﬀektiv ist sie?
Wir werden gleich sehen, daß man mittels einer kleinen Modiﬁzierung des Hornerschemas den Quotienten und den Rest der Polynomdivision berechnen kann.
Sei wieder f (x) = a0 xn + a1 xn−1 + · · · an−1 x + an . In unserem Fall hat der Quotient
den Grad n − 1; wir machen den Ansatz
q(x) = b0 xn−1 + · · · + bn−k−1 xk + · · · + bk xn−k−1 + · · · + bn−1
und vergleichen in
f (x) = q(x)(x − b) + bn
die Koeﬃzenten der x-Potenzen (den Rest nennen wir bn ; gelegentlich ist eine geschickte
Notation hilfreich):
a0 = b 0
xn−k :
ak = bk − bk−1 b
Damit erhalten wir schrittweise die Koeﬃzienten von q(x):
b 0 = a0
6 KOMPLEXITÄT
50
bk = ak + bk−1 b, k = 1, . . . , n
und bn = f (b) ist der Divisionsrest. Der Rechenaufwand ist derselbe wie beim Hornerschema.
Wenn man eine reelle Nullstelle b des Polynoms f (x) bestimmt hat, so kann man dieses
Verfahren nutzen, um den Faktor x−b aus f (x) zu entfernen und kann nach Nullstellen
des Quotienten suchen.
Wenn a + bi eine komplexe Nullstelle von f (x) ist, so ist auch a − bi eine Nullstelle von
f (x), d.h. f (x) ist durch das quadratische (reelle) Polynom (x − a − bi)(x − a + bi) =
x2 − 2ax + a2 + b2 teilbar. Um diesen Faktor aus f (x) zu entfernen, verwenden wir eine
Verallgemeinerung des Hornerschemas (Collatz 1940):
Wir berechnen also den Quotienten und den Rest bei der Division von f (x) durch
x2 + px + t. Der Quotient sei
q(x) = bo xn−2 + b1 xn−3 + · · · + bn−2 ,
der Rest sei
r(x) = bn−1 x + bn .
Der Koeﬃzientenvergleich in f (x) = (x2 + px + t)q(x) + r(x) liefert
a0
a1
ak
an
=
=
···
=
···
=
b0
b1 + pb0
=
=
···
=
···
=
a0
a1 − pb0
bk + pbk−1 + tbk−2 ,
k = 2, . . . , n − 1
tbn−2 + bn
also
b0
b1
bk
bn
ak − pbk−1 − tbk−2 ,
k = 2, . . . , n − 1
an − tbn−2
Um die vorgestellten Verfahren zur Nullstellenabtrennung nutzen zu können, muß man
zuerst eine Nullstelle kennen. Im Buch von Beresin und Shidkov, Numerische Methoden 2, VEB Deutscher Verlag der Wissenschaften, Berlin 1971 wird auf S. 169 ein
Verfahren von Muller (1956) vorgestellt, mit dessen Hilfe komplexe Nullstellen von
Polynomem berechnet werden können. Der Witz besteht darin, daß (anders als beim
Newton-Verfahren) keine Anfangsnäherung bekannt sein muß; das Verfahren ist zwar
theoretisch nicht streng abgesichert, liefert aber in der Praxis gute Ergebnisse.
6 KOMPLEXITÄT
51
Für das Verfahren von Graeﬀe zur Bestimmung reeller Nullstellen habe ich z.Z. nur
die Referenz auf Zurmühl, Praktische Mathematik für Ingernieure und Physiker, Springer 1957, S. 62).Zur Bestimmung komplexer Nullstellen gibt es Verfahren von Nickel
bzw. Laguerre, die z.B. bei Gander, Computermathematik, Birkhäuser 1992, S. 110 ﬀ
vorgestellt werden.
Verwenden Sie bitte diese Algorithmen, um Nullstellen zu berechnen und abzutrennen.
Berechnen Sie z.B. die Nullstellen von xn −1, dies sind (für geeignetes n) die Positionen
der Sterne im EU-Wappen.
6.3
Auswertung vieler Polynome
Wenn nicht der Wert eines Polynoms an einer Stelle, sondern die Werte vieler Polynome
vom Grad ≤ n an denselben Stellen x0 , x1 , . . . , xn berechnet werden sollen, so ist es
besser, sich zuerst die Potenzen xji bereitzustellen. Für das Polynom p(x) = pi xi gilt
dann:




 
p(x0 )
p0
1 x0 x20 . . . xn0



1 x
p1 

 p(x1 ) 
x21 . . . xn1 

 
1




· . = . 
.

  .. 
...
 .. 
1 xn x2n . . . xnn
pn
p(xn )
Umgekehrt kann man bei vorgegebenen Werten p(xi ) die Koeﬃzienten des Polynoms
p durch Multiplikation mit der zu (xji ) inversen Matrix bestimmen.
Das vereinfacht das formale Rechnen mit Polynomen kollossal: Um das Produkt (die
Summe) von p(x) und q(x) zu bestimmen, berechnet man einfach p(xi ) · q(xi ) und
bestimmt die Koeﬃzienten des Polynoms mit diesen Werten. Das lohnt sich natürlich
erst dann, wenn viele Opeartionen mit Polynomen durchgeführt werden: Am Anfang
wird jedes Polynom durch seinen Wertevektor“ kodiert, am Ende werden die Koeﬃ”
zientenvektoren ermittelt.
Wenn für die xi die (n+1)-sten Einheitswurzeln gewählt werden, so ist die Matrix (ω ij )
1
(ω −ij ). Dieses Verfahren
zu betrachten; deren Inverse ist ganz einfach aufgebaut: n+1
heißt Diskrete Fourier-Transformation“ (DFT).
”
6.4
Matrixoperationen
Wir wollen uns zunächst überlegen, was zu tun ist, wenn auf die Komponenten eines
zweidimensionalen Feldes zugegriﬀen werden soll. Dabei soll xxx ein Datentyp sein,
der w Bytes belegt.
character[][] = new
a[m][n];
Die Zahl der Spalten der Matrix ist n, die Anfangsadresse sei b; dann hat die Komponente aij (bei zeilenweiser Abspeicherung) die Adresse
s = b + (j · n + i) · w,
zur Laufzeit werden also 4 Rechenoperationen (für den Zugriﬀ!) durchgeführt.
6 KOMPLEXITÄT
52
Diese Überlegungen könnten interessant sein, wenn man häuﬁg auf Teilfelder zugreifen
will und sich ein mehrdimensionales Feld selbst als eindimensionales organisiert.
Ein Beispiel: Matrixmultiplikation
(Es sei a eine (m, n)-Matrix und b eine (n, q)-Matrix. Die (m, q)-Matrix c wird jeweils
vorher als Nullmatrix initialisiert.)
for (k = ...)
// in der inneren Schleife
for (j = ...)
// wird viermal dereferenziert
for (i = ...)
c[i][j] = c[i][j] + a[i][k] * b[k][j];
for (k = ...)
for (j= ...)
{
s = b[k][j];
// dadurch wird etwa 1/6 der
for (i = ...)
// Rechenzeit gespart
c[i][j]= c[i][j] + a[i][k] * s;
}
for (i = ...)
for (j = ...)
{
s = 0.0;
// dadurch wird etwa 1/3 der }
for (k = ...)
// Rechenzeit gespart }
s = s + a[i][k] * b[k][j];
c[i][j] = s;
}
Die gesparte Rechenzeit ist eben die zum Dereferenzieren benötigte. Die letzte Möglichkeit ist aber nur bei der dort gegebenen Reihenfolge der Schleifen möglich. Ein guter
Compiler optimiert alledings den Rechenablauf neu und ganz anders, als man es gedacht hat.
Wir wollen nun untersuchen, wie viele Additionen/Subtraktionen und Multiplikationen/Divisionen zur Lösung eines linearen Gleichungssystems nötig sind. Gegeben sei
ein Gleichungssystem Ax = b, wobei A eine invertierbare n × n-Matrix ist; das Gleichungssystem hat also eine eindeutig bestimmte Lösung. Wir verwenden als Lösungsverfahren die Gauß-Jordan-Elimination und setzen der Einfachheit halber voraus, daß
dabei keine Zeilenvertauschungen durchgeführt werden müssen.
Durch Addition von Vielfachen einer Zeile zu anderen wird die erweiterte Koeﬃzientenmatrix (A | b) zunächst in eine Dreiecksform

1 a12
0
1



...
0 ...
...
a23
a1n
...
0
1

b1
b2 



bn
6 KOMPLEXITÄT
53
und danach durch Rücksubstitution in die Form


1
0

0 . . . 0 b1
1 . . . 0 b2 


,


...
0 . . . 0 1 bn
gebracht, dann ist das Lösungstupel sofort ablesbar.
Die folgenden elementaren Überlegungen sind im Lehrbuch von H. Anton, Lineare
Algebra, Spektrum 1995 auf den Seiten 538 ﬀ. ausführlich erläutert.
Schritt
1
2
n−1
1
2
n−1
Mult
n
n(n − 1)
n−1
(n − 1)(n − 2)
Add
0
n(n − 1)
0
(n − 1)(n − 2)
2
2
0
2
n−1
n−2
n−1
n−2
1
1
Bemerkung
Erzeugen der Anfangseins
Nullen in n − 1 Zeilen unter der 1
Erzeugen der Anfangseins
Nullen in n − 2 Zeilen unter der 1
...
Erzeugen der Anfangseins
Null in Zeile unter der 1
Rückwärtsphase
Nullen in n − 1 Zeilen über der 1
Nullen in n − 2 Zeilen über der 1
...
Null in Zeile über der 1
Somit erhalten wir als Anzahl der Additionen
n
i2 −
i=1
n
i+
i=1
n−1
i = n3 /3 + n2 /2 − 5n/6
i=1
und als Anzahl der Multiplikationen
n
i=1
i2 +
n−1
i = n3 /3 + n2 − n/3,
i=1
insgesamt als ca. n3 Rechenoperationen.
Bemerkung: Wenn sofort auch über den Einsen Nullen erzeugt werden, sind 12 (n3 − n)
Additionen und 12 (n3 + n) Multiplikationen nötig.
Schließlich geben wir einige Typen von Matrizen an, die leicht zu erzeugen sind und
wo für die Determinante bzw. die Inverse explizite Formeln bekannt sind. Damit kann
man eigene Algorithmen testen.
6 KOMPLEXITÄT
Typ
Vandermonde
54
Determinante
xi · (xj − xi )
(xji )
i<j
kombinatorische
(y + δij · x)
Cauchy
Hilbert
1
xi + yj
1
i+j−1
x
n−1
i<j
· (x + ny)
(xj − xi )(yj − yi )
(xi + yj )
Inverse
−y + δij · (x + ny)
x(x + ny)

(xj + yk )(xk + yi )



k
(xj + yi )
(xj − xk )
k=j
i,j
(yi − yk )
k=i
Spezialfall von Cauchy
Die Inverse einer Hilbert-Matrix hat ganzzahlige Einträge; Hilbert-Matrizen werden
gern für Tests genutzt, denn dieser Typ ist numerisch instabil.
6.5
Zufallszahlen
Ein beliebtes Mittel, um einen Algorithmus auf Korrektheit zu testen“, ist es, ein
”
Zahlenbeispiel mit der Hand durchzurechnen und nachzusehen, ob das Programm dasselbe Ergebnis liefert. Man kann auch viele Eingaben erzeugen und abwarten, ob der
Rechner abstürzt oder nicht. Wenn das aber bei einigen Eingaben korrekt abläuft und
bei anderen nicht, dann hat man ein Problem.
Es ist mitunter hilfreich, wenn man eine zufällige“ Folge von Zahlen erzeugen kann,
”
deren Erzeugung aber wiederholbar ist.
Ein klassisches Verfahren stammt von J. v. Neuman (1946): der middle square“ ”
Algorithmus. Wir rechnen mit 4-stelligen Zahlen, beginnen mit einer Zahl, quadrieren
und entnehmen die mittleren vier Dezimalstellen:
x = x2 /102 mod 104 .
Es kann allerdings passieren, daß man in kurze Zyklen gerät, z.B. ist 6100 eine wenig geignete Startzahl (6100, 2100, 4100, 8100, 6100). Wie kann man die Güte eines
Zufallszahlen-Generators überprüfen?
Sei M eine endliche Menge, f : M −→ M eine Abbildung und x0 ∈ M ein Startwert.
Man bildet nun xi+1 = f (xi ). Wegen der Endlichkeit von M können nicht alle xi
voneinander verschieden sein. Es sieht etwa so aus:
✬
✩
xn+i = xm
x
✫n
✪
Es gibt also eine Periode, die bei einem Wert xm , m ≥ 0 beginnt und die Länge l ≥ 1
hat. Es gilt also
xi = xi+l für i ≥ m.
Der durch f gegebene Algorithmus ist gut“, wenn desses Periodenlänge groß ist, die
”
Länge der Vorperiode ist unerheblich. Wie können diese Daten bestimmt werden?




6 KOMPLEXITÄT
55
Wir bemerken zuerst, daß es eine Zahl n gibt, für die xn = x2n gilt (solch ein x heißt
idempotent).
Denn es ist xr = xn gdw. r − n = k · l ein Vielfaches von l und r > n ≥ m ist. Wir
suchen also das kleinste n mit n = kl, dann ist x2n = xn+kl = xn .
Aus diesen Idempotenz-Index n können nun die Werte von m und l bestimmt werden:
Wenn wir die Vorperiode auf die Periode aufwickeln“, so liegt deren Startpunkt gerade
”
bei xn . Also suchen wir das kleinste i mit xi = xn+i , dies ist unser m.
Wenn die Vorperiode m nicht um die Periode herumreicht (k = 1), so ist die Periodenlänge l = n, andernfalls ist l gleich dem kleinsten i mit xm+i = xm .
Ein einfacher Generator ist die Funktion
f (x) = x · 5 mod 97, also xn ≡ 5n ,
er hat keine Vorperiode und die (maximal mögliche) Länge 96 (warum ?).
In Fortran sah das so aus: (Wir suchen nacheinander i mit f i (x) = f 2i (x), dann ist
n = i; f i (x) = f n+i (x); dann ist m = i; f m (x) = f m+i (x); dann ist l = i.
c
program rand
Periode eines Zufallsgenerators: Vorperiode: m; Periode: l
integer m, f2n, s, h, x, i, n, l
parameter (h = 97)
do s = 2, h
print *, "s = ", s
do i = 1, h
if (f2n(x, s, h, i) .eq. f2n(x,s,h, 2*i)) then
print *, "Idempotent", i, f2n(x,s,h,i), f2n(x,s,h,2*i)
n = i
goto 1
end if
end do
1
do i = 1, h
if (f2n(x, s, h, i) .eq. f2n(x, s, h, n+i)) then
m = i
goto 2
end if
end do
2
print *, "Vorperiode ", m
print *, "x^m = ", f2n(x, s, h, m)
do i = 1, m
if (f2n(x,s,h,i) .eq. f2n(x,s,h,n+i)) then
l = i
7 SUCHEN
56
goto 3
else
l = n
end if
end do
3
print *, "Laenge ", l
print *, "Kontrolle : "
print *,(i,":", f2n(x,s,h,i), i=1,50)
read *
end do
end
integer function f(x, s, h)
integer x, s, h
f = mod(x*s, h)
end
c
7
integer function f2n(x, s, h, n)
f2n(x) = f^n(x)
integer x, s, h, n, i, r, f, y
y = x
do i = 1, n
r = f(y, s, h)
y = r
end do
f2n = y
end
Suchen
Komplexität
Sortieralgorithmen reagieren unterschiedlich, wenn die zu sortierende Menge mehr oder
weniger vorsortiert ist. Es kommt also bei der Bewertung von Algorithmen nicht auf die
Laufzeit bei einer konkreten Eingabe, sondern auf die maximale oder auch die mittlere
Laufzeit bei beliebigen Eingaben der Größe n an. Die Laufzeit eines Algorithmus A
ist also eine Funktion LA : N −→ N , für die man eine obere bzw. untere Schranke
bestimmen möchte.
Deﬁnition:
Eine Funktion f : N −→ N ist eine obere Schranke für die Funktionenmenge
O(f ) = {g : N −→ N | es gibt c > 0 und n0 mit g(n) ≤ c · f (n) für alle n > n0 }.
Eine Funktion f : N −→ N ist eine untere Schranke für die Funktionenmenge
U (f ) = {g : N −→ N | es gibt c > 0 und n0 mit g(n) ≥ c · f (n) für alle n > n0 }.
7 SUCHEN
57
Eine Funktion f : N −→ N ist eine exakte Schranke für die Funktionenmenge
E(f ) = {g : N −→ N | es gibt c > 0 und n0 mit
1
·f (n) ≤ g(n) ≤ c·f (n) für alle n > n0 }.
c
Ein Algorithmus A heißt linear zeitbeschränkt, wenn LA ∈ O(n) ist, er heißt polynomial zeitbeschränkt, wenn ein k ∈ N existiert, so daß LA ∈ O(nk ) ist, und er heißt
exponentiell zeitbeschränkt, wenn ein k existiert, so daß LA ∈ O(k n ) gilt.
Wir werden uns bei konkreten Algorithmen auch für ihre Zeitkomplexität interessieren.
In der Praxis sind bei großen Datenmengen nur Algorithmen einsetzbar, die höchstens
polynomiale Zeitschranken haben, und dabei muß der Exponent noch klein“ sein.
”
Bedenken Sie: n = 3.5 · 106 (die Zahl der Transistoren auf einem modernen Mikrochip)
und k = 4 ergibt nk = 1.5 · 1026 , aber 1017 Nanosekunden sind 3 Jahre.
Die Entwicklung der letzten Jahrzehnte verlief so, daß alle 10 Jahre 100mal mehr
Speicher zur Verfügung stand und die Rechengeschwindigkeit verhundertfacht wurde.
Welche Auswirkung hat das auf die Größe der bearbeitbaren Probleme?
Ein Algorithmus habe polynomiale Komplexität: O(np ) ∼ C · np . Wenn ein neuer
Computer eingesetzt wird, der um den Faktor k besser ist, so kann man Probleme der
Größe kn bearbeiten. Dazu sind dann C(kn)p Operationen nötig, die Rechenzeit ist
dann also
C(kn)p /k = Ck p−1 np .
Wenn also p größer als 1 ist, hat man Probleme.
Als Beipiele betrachten wir einige Suchalgorithmen.
Lineares Suchen
Wenn ein Wert W in einer Liste L der Länge n, über deren Inhalt nichts weiter bekannt
ist, gesucht werden soll, so muß man die Liste sequentiell durchlaufen:
i:= 1
solange i <= n und L[i] <> W ist, erhoehe i.
Wenn i <= n ist, so wurde W gefunden.
Aufwand: Wenn W nicht in der Liste vorkommt, sind n Schritte nötig, wenn W vorsein.
kommt, sind maximal n − 1 Schritte notwendig, im Durchschnitt werden es n−1
2
Der Zeitaufwand ist linear.
Man kann das Zeitverhalten noch verbessern:
i:= 1
L[n+1]:= W
solange L[i] <> W ist, erhoehe i.
Wenn i <= n ist, so wurde W gefunden.
Man hat den Test, ob die Feldgrenze erreicht ist, eingespart. Dieser Test ist nötig, wenn
man nicht weiß, ob W in der Liste vorkommt.
Binäres Suchen
7 SUCHEN
58
In geordneten Strukturen geht das Suchen schneller.
Beispiel: Ich denke mir eine natürliche Zahl zwischen 0 und 100. Wenn man fragt: Ist
”
es 1, ist es 2, . . . ?“, so hat man sie nach einiger Zeit auf alle Fälle gefunden. Wenn man
fragt: Ist es kleiner, gleich oder größer als 50?“, so hat man in Abhängigkeit von der
”
Antwort die zu durchsuchende Menge in einem Schritt halbiert. Eine Zahl unter 100
errät man also in höchstens 7 Schritten.
Dieses Verfahren heißt binäres Suchen, es ist ein Beipiel für das Prinzip des Teilens und
Herrschens. Wir implementieren den Algorithmus zuerst rekursivsuch1 und betrachten
den Zeitaufwand: Bei jedem neuen Aufruf von such1 halbiert sich der Aufwand. Wenn
2m−1 < n ≤ 2m , so sind m = log2 n, Schritte nötig. Mit gleichem Zeitaufwand arbeitet
die sequentielle Prozedur such2; wir beschleunigen sie durch den Trick, in jeder Schleife
nur eine Abfrage durchzuführen:
import java.io.*;
import java.lang.Math.*;
public class suchen
{
public static int nn = 92;
public static long a[] = new long[nn];
public static long s;
// Die Position des Werts s soll im geordnetet Feld a gefunden werden.
public static void init()
{
a[0] = 1; a[1] = 1;
for (int i = 2; i < nn; i++)
a[i] = a[i-2] + a[i-1];
}
public static int such1(int links, int rechts)
{
int i;
System.out.print("+");
if (links <= rechts)
{
i = (links + rechts) / 2;
if (a[i] > s)
return such1(links, i-1);
else if (a[i] < s)
return such1(i+1, rechts);
else
return i;
// gefunden !
}
else
return -1;
// nicht gefunden !
7 SUCHEN
59
}
public static int such2()
{
int links = 0, rechts = nn-1, i;
while (links < rechts)
{
System.out.print("*");
i = (links + rechts) / 2;
if (a[i] < s)
links = i + 1;
else
rechts = i;
}
if (a[rechts] == s)
return rechts;
else
return -2;
}
public static void main(String arg[])
{
init();
s = 13;
int i;
i = such1(0,nn-1);
System.out.println(i);
i = such2();
System.out.println(i);
}
}
Hashing
Das Suchen in binären Bäumen entspricht dem Auﬃnden der richtigen Antwort durch
ja/nein-Entscheidungen. Komplexere Entscheidungen können aber evtl. schneller zum
Ziel führen: Die Telefonnummer unserer Sekretärin, Frau Zyska, würde ich nicht suchen,
indem ich das Telfonbuch zuerst in der Mitte aufschlage, sondern am Ende.
Also: Wir legen für jeden Eintrag einen Schlüssel fest, der die ungefähre Position in der
Tabelle festlegt.
In Suchbäumen oder Listen ist die Zuordnung: Eintragung → Standort injektiv. Wir
betrachten nun eine Hash-Funktion h : {Einträge} −→ {Indizes}, die nicht notwendigerweise injektiv sein muß, für die aber die Urbildmengen h−1 (i) für alle i ungefähr
gleich groß sein sollen.
Wenn die zu verwaltenden Daten (kleine) Zahlen sind, so kann man sie selbst als Index
in einem Feld verwenden und der Zugriﬀ ist trivial. Wenn die Einträge aber Zeichen-
7 SUCHEN
60
ketten aus den Buchstaben a, . . . , z sind und die Wortlänge auf 16 festgelegt ist, so gibt
es 2616 = 4 · 1022 Möglichkeiten, es gibt aber nur 105 vernünftige Worte, man hätte also
einen 1017 -fachen Aufwand betrieben. (Man veranschauliche sich die Größenordnung:
das Weltall existiert seit 1016 Sekunden; dabei sind die längeren Schaltjahre noch gar
nicht berücksichtigt.)
Bei Kollisionen (h(s) = h(t), s = t) reicht es nicht aus, in einer Tabelle die zu s gehörige Information abzulegen, man braucht auch s selbst, um eine aufgetretenen Kollision
erkennen zu können. Außerdem muß man eine Strategie zur Kollisionsauﬂösung entwickeln.
Es folgen einige Beispiele für Hash-Funktionen zur Verwaltung von Zeichenketten Z =
(z1 , . . . , zk ) mit einem Indexbereich I = [0 . . . n]:
1. h(z) = ki=1 (pi ·(int)(zi ) mod n), wo pi die i-te Primzahl und (int)(A) der ASCIIIndex ist. Diese Funktion erzeugt wenig Kollisionen, ist aber sehr rechenaufwendig.
2. h(z) = (int)(z1 ); Ersetze h := (256 · h + (int)(zi )) mod n für i = 2 bis k. Dabei
sollte ggT(n, 256) = 1 sein. Die Multiplikation mit 256 ist einfach eine Verschiebung um 8 Bit und dürfte schnell sein.
3. Wir verwenden einzelne Zeichen und die Länge von z:
h(z) = (7 · (int)(z1 ) + 11 · (int)(zk−1 ) + 19k) mod n.
Die Länge n der Tabelle sollte eine Primzahl sein. Die Felder a[1], . . . , a[n] können dann
Listen enthalten, die die zu speichernden Informationen enthalten, innerhalb dieser
(hoﬀentlich kurzen) Listen kann man dann suchen.
Teilen und Herrschen
Dies ist eine oftmals eﬀektive Lösungsmethode.
Sei ein Problem der Größe n zu lösen. Wir suchen eine obere Schranke L(n) für die
benötigte Laufzeit. Wir nehmen an, das Problem lasse sich in t Teilprobleme desselben
Typs zerlegen, diese Teilprobleme mögen die Größe ns haben und zum Zerlegen und
Zusammenfügen sei der Zeitaufwand c(n) nötig. Wir haben also folgende Rekursion zu
bearbeiten:
L(n) =
Satz 7.1 Für n = sk gilt L(n) =
c(n)
n=1
t · L( ns ) + c(n) sonst
k
n
ti c( i ).
s
i=0
Beweis: Wir führen die Induktion über k. Für k = 0, also n = 1 ist L(1) = c(n) gültig.
Weiter gilt:
n
k−1
k−1
k
n
n
n
ti c( si )+c(n) =
ti+1 c( i+1 )+c(n) =
ti c( i ).
L(n) = L(sk ) = t·L( )+c(n) = t
s
s
s
s
i=0
i=0
i=0
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
61
Satz 7.2 Wenn c(n) = c · n gilt, so ist


 O(n)
t<s
L(n) =  O(n log n) t = s

t>s
O(nlogs t )
Beweis: Es gilt also
L(n) =
k
1=0
ti c
k
n
t
=
nc
( )i .
i
s
i=0 s
1
beschränkt (geometrische Reihe), also ist
1 − st
L(n) ≤ c · K · n = O(n). Für t = s gilt L(n) = cn(k + 1) = O(n log n). Für t > s gilt
Für t < s ist die Summe durch K =
L(n) = cn
n
( t )k+1 − 1
t
t
( )i = cn s t
= O(sk ( )k ) = O(tlogs n ) = O(nlogs t ).
i=0
s
s
−1
s
Die letzte Identität erkennt man, indem man auf beiden Seiten logs bildet.
8
Einfache Datenstrukturen und ihre Implementation
Die einfachste Datentruktur ist eine lineare Liste. Wir haben n > 0 Einträge x[1], x[2],
. . ., x[n]. Über die Struktur der gespeicherten Daten machen wir uns keine Gedanken.
Die Grundaufgaben zur Bearbeitung solchen Listen sind die folgenden:
• Zugriﬀ auf den k-ten Eintrag, Auswertung, Änderung.
• Vor dem k-ten Eintrag ist ein neuer einzufügen.
• Löschen des k-ten Eintrags.
• Zwei Listen sollen zu einer vereinigt werden.
• Eine Liste ist in zwei Teillisten zu zerlegen.
• Eine Kopie einer Liste soll erstellt werden.
• Die Länge einer Liste ist zu bestimmen.
• Die Einträge einer Liste sollen geordnet werden.
• Eine Liste soll nach speziellen Einträgen durchsucht werden.
In Abhängikeit davon, welche Operationen im Einzelfall mehr oder weniger häuﬁg
auszuführen sind, gibt es unterschiedliche Darstellungen von Listen in Rechnern, die
für eine Operation mehr oder weniger eﬀektiv sind.
Für Listen, wo der Zugriﬀ (Einfügen, Streichen) immer am Anfang oder am Ende der
Liste stattﬁndet, gibt es spezielle Namen:
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
62
• Stack (Stapel, Keller): Einfügen und Streichen stets am Ende (ﬁlo),
• Queue (Warteschlange): Alle Einfügungen an einer Seite, alle Streichungen an
der anderen Seite (ﬁfo),
• Deque (double-ended queue): alle Zugriﬀe an den Enden.
Typische Anwendungen eines Stacks sind die folgenden: Eine Menge wird durchforstet,
evtl. relevante Daten werden einstweilen beiseite (in den Keller) gelegt, um sie später
zu verarbeiten. Beim Aufruf eines Unterprogramms werden die Registerinhalte auf
einem Stack gerettet, das Unterprogramm kann die Register selbst nutzen, nach dem
Verlassen des Unterprogramms werden die Daten aus dem Stack zurückgeholt.
Oder nehmen wir ein Abstellgleis. Es kommen vier Wagen in der Reihenfolge 1, 2, 3,
4 an und sollen in der Reihenfolge 2, 4, 3, 1 abfahren. Wagen 1 fährt aufs Abstellgleis,
Wagen 2 auch, fährt aber gleich wieder runter. Nun fahren 3 und 4 aufs Abstellgleis, 4
fährt wieder runter, dann verlassen zuerst 3 und dann 1 das Gleis.
Kann man 123456 in 325641 überführen? Und in 154623?
Es kann nie die Situation i < j < k und pk < pi < pj eintreten.
Wenn die Einträge in einer Liste alle die gleiche Anzahl C von Bytes belegen, kann
man die Liste sequentiell abspeichern, dann gilt:
Addr(x[i+1]) = Addr(x[i]) + C
Wenn X einen Stack realisieren soll, so braucht man sich nur den aktuellen Index
des Endes (den sog. stack pointer) zu merken, beim Einfügen ist er zu erhöhen, beim
Streichen zu senken.
Bei einer Warteschlange müssen wir uns zwei Indizes A, E für Anfang und Ende merken
(besser: den ersten freien Platz nach dem Ende). Wenn A = E gilt, so ist die Schlange
leer. Wenn stets am Anfang gestrichen und am Ende eingefügt wird, so bewegt sich
die Schlange in immerhöhere Speicherbereiche, während die unteren ungenutzt bleiben.
Es ist dann besser, die Warteschlange als Ring zu organisieren. Wenn nun nach dem
Streichen A = E gilt, so ist die Schlange leer. Wenn aber nach dem Einfügen A = E
ist, so ist die Schlange voll.
Wenn man in einer leeren Liste streichen will, dann hat man einen Fehler gemacht.
Wenn man in eine volle Liste noch etwas einfügen will, dann ist wahrscheinlich die zu
bearbeitende Datenmenge zu groß geworden. Solche Überläufe muß man abfangen.
Eine andere Möglichkeit besteht darin, daß sich zwei Stacks den Speicher teilen:
Liste1
Anfang1
Ende1
Ende2
Liste2
Anfang2
Ein Überlauf tritt hier erst ein, wenn der Platz für beide Listen nicht mehr ausreicht.
Wenn mehrere Stacks zu verwalten sind, dann geht das nicht so. Dennoch kann es
nützlich sein, den vorhandenen Speicher gemeinsam zu nutzen: der i-te Stack liegt
zwischen A[i] und E[i], wenn zwei Stacks zusammenstoßen, verschiebt man die Stacks.
Dies wird in Knuth’s Buch (Band 1) auf den Seiten 245 und 246 beschrieben, wir
werden uns diesem Problem im Praktikum widmen.
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
63
Einige häuﬁge Anwendung eines Stacks ist die Auﬂösung rekursiver Funktionsaufrufe.
Man kann z.B. n! folgendermaßen berechnen:
public static int fak(int n)
{
if (n == 1)
return 1;
else
return n * fak(n - 1);
}
Als allgemeines Schema zur Auﬂösung der rekursiven Aufrufe kann folgendes gelten:
Man richtet sich einen Stapel (stack) ein, in dem bei jeden Prozeduraufruf Daten
eingetragen und beim Verlassen der Prozedur gestrichen werden. Jedem Prozeduraufruf
wird ein Fach (frame) auf dem Stapel zugeordnet, der die folgenden Informationen
enthält:
head
Übergabeparameter von anderen Prozeduren
head - 1 aktuelle Parameter
head - 2 lokale Variable
head - 3 nach außen zu übergebende Parameter (Ergebnisse)
head - 4 Rücksprungadresse
Diese Fächer sind gleichgroß und liegen aufeinanderfolgend auf dem Stapel; die Verwaltung geschieht einfach durch einen Zeiger (stack pointer) auf die Stapelspitze. Jedes
Fach enthält die Informationen für einen Prozeduraufruf.
Sei A die aktuell arbeitende Prozedur, dann sieht der Stapel so aus:
Fach fürs Hauptprogramm
..
.
Fach für die Prozedur, die A gerufen hat
Fach für A
Wenn nun A die Prozedur B (oder sich selbst mit neuen Parametern) aufruft, dann
machen wir folgendes:
1. Ein neues Fach wird auf die Spitze des Stapels gelegt. Dort legt man (in einer
Reihenfolge, die B bekannt ist) folgendes ab:
(a) die Adressen der aktuellen Parameter von B (wenn ein Parameter ein Ausdruck ist, wird er zuerst ausgewertet und die Adresse des Ergebnisses übergeben; bei Feldern genügt die Anfangsadresse),
(b) leerer Raum für die lokalen Variablen von B,
(c) die Nummer der Anweisung, die A nach dem Aufruf von B durchzuführen
hat (Rücksprungadresse).
2. Nun werden die Anweisungen von B ausgeführt. Die Adressen der Werte aller
Parameter von B ﬁndet B durch Abzählen von der Stapelspitze aus (rückwärts).
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
64
3. Wenn B beendet ist, wird wie folgt die Kontrolle an A übergeben:
(a) Die Rücksprungadresse steht im B-Fach.
(b) Ggf. steht ein Funktionswert an der A bekannten Stelle.
(c) Das B-Fach wird entfernt, indem einfach der Zeiger auf die Stapelspitze um
die passende Größe zurückgesetzt wird.
(d) Die Arbeit von A wird an der richtigen Stelle fortgesetzt.
Für die folgende Fakultätsberechnung benötigen wir nicht alle diese Informationen.
import java.io.*;
import java.lang.Math.*;
public class fak
{
public static int nn = 100;
public static int a[] = new int[nn];
public static int x, h;
// x! soll gerechnet werden
public static void init()
{
h = 5;
a[h-1] = x;
h = h + 5;
a[h-4] = 1;
a[h-1] = a[h-1-5];
}
// der Stack
// Stack einrichten
public static void rechne()
{
a[h-5] = a[h-3];
h = h - 5;
a[h-3] = a[h-1] * a[h];
// Stack abbauen
}
public static void main(String arg[])
{
x = 5;
init();
while (true)
{
if (a[h-1] == 1)
{
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
65
a[h-3] = 1;
break;
}
else
{
h = h + 5;
// Stack aufbauen
a[h-4] = 3;
a[h-1] = a[h-5-1] - 1;
}
}
// rechne();
while (a[h-4] != 1)
rechne();
a[h-5] = a[h-3];
System.out.println(x + "! = " + a[h-3]);
}
}
Speicherverwaltung
Als erstes betrachen wir verbundene Listen:
x[1]
#
✲
x[2]
#
✲
x[3]
#
✲
Jeder Eintrag enthält die Adresse des nachfolgenden Eintrags. Hier ist folgendes zu
beachten:
1. Es wird zusätzlicher Speicher für die Adresse des Nachfolgers benötigt.
2. Das Streichen und Einfügen ist einfach: X[2] wird entfernt, indem der bei X[1]
beginnende Pfeil auf X[3] gerichtet wird, und X[4] wird zwischen X[1] und X[2]
eingefügt, indem der Pfeil von X[1] auf X[4] gerichtet wird, während er von X[4]
auf X[2] zeigt.
3. Der Zugriﬀ auf die k-te Komponente ist langsamer als bei der sequentiellen Liste.
Das schadet aber dann nichts, wenn ohnehin die ganze Liste durchlaufen werden
soll.
4. Das Zusammenfassen zweier Listen und die Teilung einer Liste sind leicht.
Zur Implementierung derartiger verbundenen Listen benötigt man zwei Felder, wir
nennen sie INFO, INFO[p] enthält den Inhalt, der zu speichern ist, und LINK, dabei
enthält LINK[p] die Adresse der nächsten Zelle. Eine Speicherplatzzuweisung realisiert
man wie folgt: Man hat eine als Stack organisierte Liste NEXT der verfügbaren freien
Adressen, die Variable AVAIL zeigt auf die Spitze dieser Liste. Neuen freien Speicher
holt man mit
X:= AVAIL;
AVAIL:= NEXT(AVAIL)
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
66
Speicher gibt man mit
NEXT(X):= AVAIL;
AVAIL:= X
zurück.
Der Aufruf von
subroutine insert(item, free, position)
info(free) = item
next(free) = next(position)
next(position) ) free
end
fügt item nach position ein.
Schließlich kann man noch doppelt verkettete Listen herstellen, wo jedes Element seinen
Vorgänger und seinen Nachfolger kennt, oder ringförmig verkettete Listen, damit kann
man z.B. dünn besetzte Matrizen eﬀektiv abspeichern (Es werden (fast) nur die von
Null verschiedenen Einträge gespeichert).
Wenn ein Unterprogramm aufgerufen wird, müssen aktuelle Variable des aufrufenden
Programms gerettet werden. Dies betriﬀt insbesondere die Inhalte der Register des
Prozessors, die Rücksprungadressen enthalten oder Standardaufgaben erfüllen. Dazu
werden diese Werte in durchdachter Reihenfolge auf einen Stack gelegt (push) und
zu gegebener Zeit in umgekehrter Reihenfolge zurückgeholt (pop). Während des Programmlaufs wird der Stack, der ja einen Teil des Arbeitsspeichers belegt, größer und
kleiner, er hat aber keine Lücken“. Zur Verwaltung des Stacks ist eine einzige Varia”
ble, der Stack-Pointer“, nötig, deren Wert (in PCs) in einem eigens dafür reservierten
”
Register gehalten wird.
Der vom Programmcode und vom Stack nicht genutzte Speicher steht für Programmvaiable zur Verfügung. Ein einfacher Editor reserviert sich beispielsweise ein Feld von
64 kByte (ca. 32 Druckseiten) und trägt dort die Zeichen ein, die von der Tastatur
eingegeben werden. Der Speicherbedarf solcher Programme ist konstant und von vorn
herein bekannt. Der Norton-Editor bekennt ggf. Die Datei ist zu groß zum bearbeiten“.
”
Um Algorithmen zu implementieren, die während des Programmlaufs neue Variable
konstruieren, deren Anzahl und Größe nicht vorhersehbar ist, stellen die Programmiersprachen Werkzeuge zu dem Zweck bereit, hierfür Speicherplatz zu beschaﬀen und zu
verwalten.
Beispiele:
new, dispose, getmem, freemem
Pascal
NEW, DISPOSE, ALLOCATE, DEALLOCATE Modula 2
malloc, free
C
∅
Fortran 77
new
Java
Wir wollen uns an einem Beispiel klarmachen, was für Probleme da eigentlich zu
bewältigen sind.
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
67
Bei einem Zeichenprogramm können Linien mit der Maus eingegeben werden. Eine
Linie wird in eine Folge von Strecken zerlegt, deren jede durch vier Zahlen, die Koordinaten der Endpunkte, beschrieben werden kann. Es kann natürlich festgelegt werden,
daß eine Linie aus maximal 1000 Strecken bestehen darf, aber die Anzahl der Linien soll
doch nicht durch das Programm, sondern höchstens durch den verfügbaren Speicher
beschränkt sein.
Für jede neue Linie ist also ein Stück freien Speichers zu ﬁnden und für die Linie zu
reservieren (dieser Teil ist also belegt“). Wenn Linien gestrichen werden, kann (soll!)
”
der vorher belegte Speicherplatz wieder freigegeben weren.
In Pascal könnte das so aussehen:
type strecke = array[1..4] of integer;
linie
= array[1..1000] of strecke;
linienp = ^linie;
{ die Anfangsadresse einer Linie }
var lp: linienp;
begin
...
new(lp);
...
lp^[i][1]:= x1;
lp^[i][2]:= y1;
...
dispose(lp);
end.
Wenn aber viele kurze Linien gezeichnet werden sollen, ist die obige Datenstruktur
unangebracht: Jede Linie verbraucht 8 kByte.
Leider verfügen einige Programmiersprachen über gar keine Möglichkeiten zur privaten
Speicherverwaltung, oder der Nutzer ist mit den gelieferten Verfahren unzufrieden.
Dann muß man sich eine eigene Verwaltung schaﬀen.
Wir beginnen mit dem einfachen Fall.
Konstante Blockgröße
Wir wollen mit verbundenen Listen arbeiten. Dazu vereinbaren wir ein sehr großes Feld
mem, in dem wir unsere Daten unterbringen, ein Feld avail, das die Indizes der freien
Felder enthält, ein Feld link, das bei jedem Listenelement auf dessen Nachfolger zeigt,
und einen Zeiger ff (ﬁrst free), der das erste freie Feld angibt. Diese Variablen sollen
nicht als Parameter an Unterprogramme weitergegeben werden, sondern global gültig
sein.
Es folgt eine einfache Implementation.
import java.io.*;
import java.lang.Math.*;
public class memory
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
{
public static int nn =
public
public
public
public
public
static
static
static
static
static
10000;
char a[][] = new char[nn][8]; // der Speicher
int link[] = new int[nn];
// Nachfolger
int avail[] = new int[nn];
// Freistellen
int ff;
// erste Freistelle
char leer[] = {’#’,’#’,’#’,’#’,’#’,’#’,’#’,’#’};
public static void init()
// einrichten
{
ff = 1;
for (int i = 1; i < nn; i++)
{
a[i] = (char[])leer.clone(); // nicht einfach " a[i] = leer;"
link[i] = 0;
avail[i] = i;
}
ausgabe();
}
public static int neu()
{
int n = avail[ff];
avail[ff] = 0;
link[ff] = 0;
ff++;
return n;
}
public static int frei1(int i)
{
a[i] = leer;
ff--;
int h = i;
i = link[i];
avail[ff] = h;
return i;
}
public static void frei(int i)
{
while (i > 0)
i = frei1(i);
}
68
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
69
public static boolean lies(int sp)
{
String s = new String(B.readstr());
if (s.charAt(0) == ’#’)
return false;
for (int i = 0; i < s.length(); i++)
a[sp][i] = s.charAt(i);
return true;
}
public static int eingabe()
{
int alt = -1, sp, spp;
boolean ok;
spp = neu();
sp = spp;
ok = lies(sp);
while (ok)
{
alt = sp;
link[sp] = neu();
sp = link[sp];
ok = lies(sp);
}
frei1(sp);
link[alt] = 0;
return spp;
}
public static void ausgabe(k)
{
for (int i = k; i < 10; i++)
System.out.println(i + " " + a[i] + " " +link[i] + " " + avail[i]);
}
public static void main(String arg[])
{
init();
spp = eingabe();
ausgabe(spp);
}
}
8 EINFACHE DATENSTRUKTUREN UND IHRE IMPLEMENTATION
70
Variable Blockgröße
Schwieriger wird es, wenn Blöcke variabler Länge zu verwalten sind.
Beispiel:
Ein Integer-Feld der Länge n kann im binären Zahlsystem als ganze Zahl interpretiert
werden, deren maximaler Absolutwert 216n − 1 ist. Stellen wir uns vor, jemand hätte
Prozeduren geschaﬀen, die arithmetische Operationen mit solchen Zahlen realisieren.
Die Summe zweier m-Bit-Zahlen ist maximal eine (m + 1)-Bit-Zahl, minimal aber
gleich Null. Ein Produkt zweier m-Bit-Zahlen belegt maximal 2m Bit. Es ist also bei
umfangreichen Rechnungen wenig sinnvoll, für jede lange Zahl einen Block konstanten
Größe zu reservieren. Somit sind an eine Speicherverwaltung folgende Aufgaben zu
stellen:
1. Speicheranforderung: Für eine neu zu schaﬀende Variable soll ein freier (zusammenhängender) Speicherblock gefunden werden.
2. Blockverschmelzung: Benachbarte freie Blöcke sollen zu einem größeren verschmolzen werden.
3. Speicherbereinigung (garbage collection): Nicht mehr benötigte Blöcke sollen als
frei erkannt und wieder zur Verfügung gestellt werden.
Wir vereinbaren wieder ein größes Feld memo aus Zellen“ konstanter Länge, ein an”
zufordernder Block ist dann ein zusammenhängender Bereich memo(i:j). Wir haben
weiter eine Liste BEL der belegten und eine Liste FREI der freien Blöcke, wir vermerken
dort jeweils den Anfangsindex und die Größe des Blocks.
Methoden der Speicherplatzanforderung:
1. ﬁrst ﬁt
Wir suchen in der Frei-Liste den ersten Eintrag, in den der gewünschte Block
hineinpaßt.
Vorteil: Man muß nicht die gesamte Liste durchlaufen.
Nachteil: Von großen freien Blöcken wird evtl. nur wenig genutzt.
2. best ﬁt
Wir suchen den kleinsten Block in der Frei-Liste, in den der gewünschte Block
hineinpaßt.
Vorteil: Der Speicher wird bestmöglich genutzt.
Nachteil: Evtl. lange Suchzeiten.
3. Blockspaltung:
Wir verwenden eine der vorigen Methoden, melden aber den nicht verbrauchten
Rest als frei.
Nachteil: Nach einger Zeit haben wir viele kleine freie Blöcke, in die nichts mehr
hineinpaßt (dies ist bei best ﬁt besonders zu erwarten). (Schweizer Käse).
9 EIN PAAR BEISPIELE
71
4. rotating ﬁrst ﬁt
Wir organisieren die Frei-Liste zyklisch und suchen nicht vom Anfang, sondern
von der zuletzt vergebenen Stelle aus.
Blockverschmelzung:
Um die Fragmentierung des Speichers zu begrenzen, ist es sinnvoll, bei der Freigabe
eines Blocks in den beiden Nachbarblöcken nachzusehen, ob einer davon frei ist, und
den vereinigten großen Block zurückzugeben. Dazu sollte FREI als doppelt verkettete
Liste organisiert werden.
9
Ein paar Beispiele
Die folgenden Beispiele sind dem Buch von Solymosi entnommen.
Das Halteproblem
Es gibt Routinen, die nach endlicher Zeit ein Ergebnis liefern (und halten), andere tun
dies nicht.
void haltWennGroesser1(int n)
{
while (n != 1)
n = n/2;
}
void evtl(int n)
{
while (n != 1)
if (n % 2 == 0)
n = n/2;
else
n = 3*n + 1;
}
Wir suchen einen Algorithmus, der folgendes entscheidet:
Die Eingabe bestehe aus zwei Zeichenketten programm und eingabe. Es soll true ausgegeben werden, wenn programm ein Java-Quelltext ist und (nach der Übersetzung)
programm eingabe hält, andernfalls (wenn es kein Java-Text vorliegt oder das Programm nicht hält) soll false ausgegeben werden.
Behauptung: Es gibt keine Implementierung der obigen Funktion.
Um dies zu beweisen, nehmen wir an, es gäbe eine solche Implementierung, etwa
boolean turing(String programm, String eingabe).
Dann implementieren wir die folgende Methode:
9 EIN PAAR BEISPIELE
72
void programm(String s)
{
if (turing(s,s))
while (true);
// Endlosschleife
else
;
// Halt
}
Wir rufen Sie wie folgt auf:
program("void program(String s){ if turing(s,s)) while (true); else ;}");
1. Fall: Wenn Turing mit true antwortet, so kommt das Programm in eine Endlosschleife, also ist die Antwort falsch.
2. Fall: Wenn die Antword false ist, so hält das Program an, also ist die Antwort
falsch.
Maximale Teilsummen
Gegeben ist eine Folge von n positiven und negativen Zahlen ai , gesucht ist die Teilfolge
aufeinanderfolgender Glieder, wo
ak + ak+1 + . . . + ak
maximal ist.
1. Lösung (naiv):
max = 0;
for (von = 0; von <= n; von ++)
for (bis = von; bis <= n; bis++)
{
s = o;
for (i = von; i <= bis; i++)
s = s + a[i];
max = Math.max(s, max);
}
Da drei for-Schleifen zu durchlaufen sind, werden etwa n3 Schritte nötig sein.
2. Lösung: Zeit für Raum (O(n2 )):
Wir sammeln in einer Tabelle schrittweise Teilsummen der Länge k, die wir aus Teilsummen der Länge k − 1 berechnen: zuerst alle von 0 bis 0, dann von 0 bis 1, von 0
bis 2 usw. Wir setzen
s[von][bis] = s[von - 1][bis] - a[von - 1]
und suchen dann das Maximum.
3. Lösung: Teilen und Herrschen (O(n log n))
Wir teilen die Folge in der Mitte, dann beﬁndet sich die maximale Teilfolge an einer
von drei stellen:
10 SORTIEREN
73
hier
oder
oder hier
hier
Wir müssen also sowohl maximale Teilsummen suchen, die innerhalb der Folge liegen,
also auch welche, die am linken bzw. rechten Rand anstoßen. Wenn dies für beide Teile
geschen ist, erhalten wir die maximale Teilsumme der gesamten Folge als
max(Innen(links), innen(rechts), rechterRand(links) + linkerRand(rechts)).
Aber auch hier wird wie oben jedes Element mehrfach angefaßt. Besser als O(n) kann
es nicht gelingen, aber wir können diese Größenordnung erreichen.
4. Lösung:
Die maximale Teilsumme liegt am rechten Rand einer gewissen links beginnenden Teilfolge.
for (i = 0; i <= n; i++)
{
randMax = Math.max(0, randMax + a[i]);
max = Math.max(max, randmax);
}
10
Sortieren
Sei M eine Menge, der eine Relation ≤ gegeben ist. Für folgende Eigenschaften führen
wir Namen ein:
1. Reﬂexivität: Für alle a ∈ M gilt a ≤ a.
2. Antisymmetrie: Aus a ≤ b und b ≤ a folgt a = b.
3. Transitivität: Aus a ≤ b und b ≤ c folgt a ≤ c.
4. Vergleichbarkeit: Für a, b ∈ M gilt a ≤ b oder b ≤ a.
Eine Relation ≤ heißt Ordnung (manchmal auch Halbordnung), wenn die Eigenschaften
1 bis 3 erfüllt sind, sie heißt totale Ordnung (manchmal auch Ordnung), wenn zusätzlich
4. gilt. Beispiele für Ordnungen (welcher Art ?):
1. Wir betrachten die Mengen N, Z oder R mit der gewöhnlichen Kleiner-GleichRelation.
2. Wir betrachten die Menge der natürlichen Zahlen und wählen als Vergleichsrelation die Teilbarkeitsrelation.
3. Sei M = P (X) die Menge aller Teilmengen der Menge X, als Vergleichsrelation
nehmen wir die Inklusion ⊆.
10 SORTIEREN
74
4. Sei M = X ∗ die Menge aller Worte über dem (geordneten) Alphabet X, wir
ordnen sie wie im Wörterbuch:
x1 . . . xn < y1 . . . ym gdw. xi = yi für alle i = 1, . . . , k − 1 und xk < yk
Man nennt dies die lexikographische Ordnung.
Das Sortierproblem besteht nun darin, zu einer gegebenen Eingabemenge {a1 , . . . , an } ⊂
M eine Ausgabefolge (ai1 , . . . , ain ) zu bilden, für die aip ≤ aiq für p < q gilt.
Die häuﬁgsten Anwendungen sind:
• Das Zusammenbringen zusammengehöriger Dinge,
• das Finden gleicher Elemente,
• das Suchen eines bestimmten Elements.
Das Suchen ist in geordneten Mengen leichter als in ungeordneten.
Ein Sortieralgorithmus kann mit Hilfe eines binären Entscheidungsbaums dargestellt
werden. Wir betrachten das Beispiel M = {a, b, c}.
✏
✒
✑
a≤b
✛
b≤c
✚
✘
✙
✖
✕
✛
✘
a≤c
✚
a≤c≤b
✔
a≤c
✛
a≤b≤c
✗
b≤c
b≤a≤c
✙
✚
c≤a≤b
✘
b≤c≤a
✙
c≤b≤a
Die minimale Anzahl der zum Sortieren notwendigen Vergleiche ist gleich der Tiefe des
Entscheidungsbaums
Satz 10.1 En sei ein binärer Entscheidungsbaum, um n Elemente zu sortieren. Dann
ist die Tiefe von En mindestens O(n · log n). (D.h. es gibt eine Konstante k, so daß
die Tiefe mindestens gleich k · n · log n ist.
Beweis: Die Anzahl der Blätter ist mindestens n!, da es ja soviele Anordnungsmöglichkeiten für n Elemente gibt. Ein binärer Baum der Tiefe d hat aber höchstens 2d Blätter,
also gilt für n ≥ 4
2d ≥ n!, d ≥ log(n!),
n! ≥ n · (n − 1) · . . . · n/2 ≥
n/2
n
2
10 SORTIEREN
log(n!) ≥
75
n
n
n
n
· log( ) = · (log n − 1) ≥ log n = O(n log n)
2
2
2
4
Wir kommen nun zu einigen speziellen Sortiervervahren.
Im Band 3 des Buchs von D. Knuth werden etwa 25 Sortierverfahren diskutiert. Einige
davon sollen hier vorgestellt und später im Praktikum implementiert werden können.
Es sollen jeweils N Objekte R1 , . . . , RN sortiert werden.
10.1
Sortieren durch Zählen
Die Idee ist folgende: Der j-te Eintrag in einer geordneten Liste ist größer als genau
j − 1 andere Einträge (Wenn R größer als 27 andere ist, so muß R an Stelle 28 stehen).
Wir vergleichen also jedes Objekt genau einmal mit jedem anderen und zählen, wie
oft es das größere ist. In einem Feld count speichern wir die neuen Stellen, die die Rs
einnehmen; die neue Stelle von Rj soll count[j] + 1 sein.
1. count[i]:= 0 für alle i.
2. Für i = N, N − 1, . . . , 2 gehe zu 3.
3. Für j = i − 1, i − 1, . . . , 1 gehe zu 4.
4. Wenn Ri < Rj ist, so setze count[j] = count[j] + 1, sonst setze count[i] = count[i]
+ 1.
Die benötigte Zeit ist proportional zu N 2 . Wir bemerken, daß die Objekte eigentlich gar
nicht sortiert wurden, aber in count steht, wie sie richtig angeordnet werden müssen.
10.2
Sortieren durch Verteilen (Vorsortieren)
Wir sortieren die Ri anhand ihrer Schlüssel“ Ki . Wir setzen voraus, daß für den
”
Schlüssel Ki von Ri und 1 ≤ j ≤ N gilt u ≤ Ki ≤ v.
1. count(u) = 0, count(u+1) = 0, ... , count(v) = 0
2. Für j = 1, . . . , N :
count(Kj ) = count(Kj )+1
Jetzt ist count(i) gleich der Zahl der Schlüssel, die gleich i sind.
3. Für i = u+1, ... , v:
count(i) = count(i) + count(i-1)
Jetzt ist count(i) gleich der Zahl der Schlüssel ≤ i, insbesondere ist count(v)
= N.
4. Für j = N, N − 1, . . . , 1: (Sammeln zusammengehöriger Sätze)
i = count(Kj ), Si = Rj , count(Kj ) = i-1
Hier werden der Reihe nach die meistgefragtesten Objekte ausgesucht. Die Folge
S1 , S2 , . . . ist nun vorsortiert.
10 SORTIEREN
76
(Datei distsort.for ?)
10.3
Sortieren durch Einfügen
Wir gehen davon aus, daß die Objekte R1 , . . . , Rj−1 bereits an der richtigen Stelle
stehen, bevor Rj bearbeitet wird. Nun vergleichen wir Rj mit Rj−1 , Rj−2 , . . ., bis wir
die Stelle ﬁnden, wo es hingehört: zwischen Ri und Ri+1 . Dann wird von der Stelle i + 1
alles hochgehoben und Rj anstelle von Ri+1 eingefügt.
Man kann das Vergleichen und das Verschieben kombinieren, indem man Rj mit jedem
größeren vertauscht; es sinkt dann bis zur richtigen Stelle.
1. Für j = 2, 3, . . . , N gehe zu 2.
2. i := j − 1, R := Rj .
3. Wenn R ≥ Ri ist, gehe zu 5.
4. Ri+1 := Ri ; i := i − 1;, wenn i > 0 ist, gehe zu 3.
5. Ri+1 := R.
Der Zeitbedarf ist ebenfalls ungefähr N 2 .
Eine Variante wäre folgende: Wenn Vergleichsoperationen langsam sind, so ﬁndet man
durch binäres Suchen schnell die richtige Einfügestelle und verschiebt danach den Rest.
10.4
Sortieren durch Verketten
Eine verkettete Liste vereinfacht das Einfügen, hier sind keine Verschiebungen nötig.
Wenn die zu sortierenden Objekte sequentiell in einem Feld gespeichert sind, so baut
man sich während des Sortierens eine Verkettungsliste auf.
Dies kann wie folgt geschehen: Neben den zu sortierenden Objekten R1 , . . . , RN nehmen
wir noch ein künstliches R0 hinzu. Wir verwenden eine zirkuläre Liste L0 , . . . , LN mit
L0 = N, LN = 0. Wenn p die Permutation mit Rp(1) ≤ . . . ≤ Rp(N ) ist, so wird
L0 = p(1), Lp(i) = p(i + 1), Lp(N ) = 0 sein.
1. Führe die Schritte 2 bis 5 für j = N − 1, N − 2, . . . , 1 aus.
2. p := L0 , q := 0, R := Rj .
Als nächstes wird für Rj seine richtige Stelle in L gefunden, indem R mit den
vorangehenden Einträgen verglichen wird; dabei zeigen p und q auf die aktuellen
Plätze der Liste; es ist p = Lq , d.h. q liegt vor p.
3. Wenn R < Rp ist, gehe zu 5 (dann ist Rq < R < Rp ).
4. q := p; p := Lq . Wenn p > 0 ist, gehe zu 3.
Die Zeiger p, q werden weitergesetzt. Wenn p = 0 ist, so ist R der größte bisher
gefundene Eintrag, gehört also ans Ende der Liste: zwischen Rq und R0 .
10 SORTIEREN
77
5. Lq := j, Lj := p.
Rj wird an der richtigen Stelle eingefügt.
Welcher Aufwand ist nötig? (N 2 )
Verfeinerung:
Die Schlüssel mögen zwischen 1 und K liegen; wir teilen das Intervall in M Teilintervalle
[1 . . . K/M ], [K/M + 1 . . . 2K/M ], . . . , [(M − 1)K/M . . . K]
und legen für jedes Intervall eine Verkettungsliste Li an. Wenn der Schlüssel Ki ins
Intervall [rK/M...] paßt, verwalten wir ihn mit der Liste Lr nach dem obigen Algorithmus. Wenn die Schlüssel halbwegs gleich verteilt sind, werden die Listen deutlich
kürzer.
10.5
Sortieren durch Tauschen, (bubble sort)
Dies ist eigentlich das einfachste Sortierverfahren: Von oben beginnend vertauschen
wir jeweils zwei Objekte, wenn sie nicht in der richtigen Reihenfolge stehen. Die großen
Elemente steigen dann wie Blasen nach oben (daher der Name).
1. Setze Schranke = N (die höchste Stelle, wo die Liste nocht nicht geordnet ist).
2. t := 0, für j = 1, 2, . . . , Schranke − 1 gehe zu 3. Gehe danach zu 4.
3. Wenn Rj > Rj+1 , vertausche Rj und Rj+1 und setze t = j.
4. Wenn t = 0 ist, so sind wir fertig. Andernfalls setze Schranke = t und gehe zu 2.
Welcher Aufwand ist nötig? (N 2 ) Alles oberhalb des zuletzt bewegten Elements ist
schon in der richtigen Reihenfolge und muß nicht mehr beachtet werden.
Um die Anzahl der notwendigen Vertauschungen bei bubble sort beurteilen zu können,
machen wir einen Ausﬂug:
10.6
Partitionen und Inversionstabellen
Der Folge a = (a1 , . . . , an ) mit {a1 , . . . , an } = {1, . . . , n} (also einer Permutation)
ordnen wir ihre Inversionstabelle“ b = (b1 , . . . , bn ) zu, wobei bj = Zahl der ai > j ist,
”
die in a links von j stehen, dies ist gleich der Zahl der Inversionen der Form (x, j).
Beispiel:
a=
1 2 3 4 5 6 7 8 9
5 9 1 8 2 6 4 7 3
Die Inversionen sind (5,1), (9,1), (5,2), (9,2), (8,2), ..., also
b = (2 3 6 4 0 2 2 1 0).
Es gilt
10 SORTIEREN
≤
≤
...
0 ≤
0
0
b1
b2
bn−1
bn
78
≤ n−1
≤ n−2
≤
=
1
0
Wenn eine Folge b mit dieser Eigenschaft gegeben ist, so existiert eine eindeutig bestimmte Permutation a mit b als Inversionstabelle. Wir ﬁnden diese, indem wir sukzessive die relative Stellung von n, n − 1, n − 2, . . . bestimmen.
Wir führen das beispielhaft mit dem obigen b durch:
1. Schreibe 9
2. wegen b8 = 1 steht 8 hinter 9: 9 8
3. b7 = 2 ⇒ 7 hinter 9, 8: 9 8 7
4. b6 = 2 ⇒ 6 hinter 2 der Ziﬀern: 9 8 6 7
5. b5 = 0 ⇒ 5 ganz links: 5 9 8 6 7
6. b4 = 4 ⇒ 4 an 5. Stelle: 5 9 8 6 4 7
7. b3 = 6 ⇒ 3 ganz rechts: 5 9 8 6 4 7 3
8. b2 = 3 ⇒ 5 9 8 2 6 4 7 3
9. b1 = 2 ⇒ 5 9 1 8 2 6 4 7 3
Nützlich ist eine bildliche Darstellung: In einem n × n-Schachbrett zeichnen wir in der
i-ten Zeile eien Punkt in Spalte ai . An der Stelle (i, j) machen wir ein Kreuz, wenn
darunter und rechts daneben ein Punkt steht.
x x x x s
x x x x
x x x s
s
x
x
s
x x s
s
x x
x s
x
s
s
Die Zahl der Kreuze in der Spalte j ist gleich bj ; die Gesamtzahl der Kreuze ist gleich
der Zahl aller Inversionen.
Zum transponierten Feld gehört die inverse Permutation a−1 ; da die Anzahl der Kreuze
gleichbleibt, hat a−1 genauso viele Inversionen wie a.
10 SORTIEREN
79
Es folgt ein Algorithmus zur Bestimmung der Inversionstabelle in n · log(n) Schritten:
Start: b1 = . . . = bn = 0
für k = log(n), log(n − 1), . . . , 0:
setze xs = 0 für 0 ≤ s ≤ n/(2k+1 )
für j = 1, . . . , n:
r = aj /2k mod2
s = aj /2k+1
wenn r = 0 : baj = baj + xs
wenn r = 1 : xs = xs + 1
Bei bubble sort sind so viele Vertauschungen nötig, wie die entsprechende Permutationen Inversionen besitzt. Bei einem Paß von bubble sort verringert sich jeder von 0
verschiedene Eintrag in der Inversionstafel um 1.
Eine Verbesserung der Laufzeit ist beim cocktail shaker sort gegeben: Wir durchlaufen
die Folge abwechselnd auf- und abwärts.
Wenn wir weniger als O(N 2 ) aufwenden wollen, dürfen wir uns nicht auf das Vertauschen benachbarter Objekte beschränken. Die leistet der folgende Algorithmus von
Batcher:
1. Sei t die kleinste Zahl mit 2t ≥ N ; setze p = 2t .
2. q = 2t−1 , r = 0, d = p
3. für alle , 0 ≤ i < N mit i IAND p = r:
(Die Funktion IAND ergibt das bitweise AND zweier Zahlen.)
4. wenn Ki+1 > Ki+d+1 : tausche Ri+1 und Ri+d+1 ;
5. wenn q = p: setze d = q − p, q = q/2, r = p und gehe zu 3.
6. p = p/2, wenn p > 0, so gehe zu 2.
10.7
Quicksort
Dies ist das schnellste bekannte Sortierverfahren. Der Grundgedanke ist, daß der Tausch
zweier Feldelemente dann den besten Fortschritt bringt, wenn diese möglichst weit
voneinander entfernt sind. Wir wählen zufällig ein Element a aus der Mitte des Feldes
und laufen vom linken Rand nach rechts, bis wir ein Element Ri gefunden haben,
das größer als a ist. Gleichzeitig laufen wir vom rechten Rand nach links, bis wir ein
Element Rj gefunden haben, das kleiner als a ist. Nun vertauschen wir Ri und Rj
und fahren fort, bis sich die Indizes getroﬀen haben. Nun haben wir zwei Teilfelder,
deren Elemente alle kleiner (bzw. größer) als a sind. Wir haben die Aufgabe in zwei
Teilaufgaben zerlegt. Im Idealfall sind beide Teilfelder gleich groß, im schlechtesten Fall
(a ist ein Extremwert) ist ein Teilfeld leer, im zweiten Fall haben wir n2 Arbeitsschritte,
das ist nicht gerade quick“. Aber im Durchschnitt“ reichen n log n Schritte aus.
”
”
10 SORTIEREN
80
Ein einfacher, rekursiver Algorithmus ist der folgende:
Quicksort(S)
Wenn |S| > 1 ist, dann wähle zufällig ein a ∈ S.
Setze S1 = {x ∈ S | x < a}, S2 = {x ∈ S | x ≥ a}.
Quicksort(S1 )
Quicksort(S2 )
Setze S[i] = S1 [i] für i = 1, . . . , |S1 | = m, S[j] = S2 [j − m − 1] für j = m + 1, . . . , n.
Einen cleveren (nichtrekursiven) Algorithmus ﬁndet man bei Knuth, Band 3, Seite 114,
er stammt von C.A.R. Hoare (1962). Wir wollen dies hier kurz darstellen.
Es sollen R1 , . . . RN ∈ Z sortiert werden. Wir setzen R0 = −∞, RN +1 = ∞. Als das
Element, das an seine endgültige Stelle gebracht wird, können wir R1 wählen. Alle Vergleiche innerhalb eines Zyklus beziehen sich auf dieses Element; es ist vernünftig, eine
Extra-Variable mit dem Wert von R(1) zu belegen, denn Operationen mit (normalen)
Variablen sind schneller als welche mit indizierten Variablen.
Um die Grenzen von noch zu sortierenden Teilen zu speichern, genügen jeweils zwei
Variable, die auf dem Stack abgelegt werden können. Dabei werden die Grenzen des
jeweils größeren Teils gemerkt und der kleinere Teil wird bearbeitet. Teilstrukturen der
Länge ≤ M werden unsortiert gelassen, damit wird am Ende aufgeräumt.
1. Wenn N ≤ M , gehe zu 9. Sonst: Erzeuge leeren Stack, l := 1, r := N .
2. i := l; j := r + 1, R := Rl . (Neuer Durchgang: Wir sortieren nun Rl , . . . , Rr , es
gilt r ≥ l + M, Rl−1 ≤ Ri ≤ Rr+1 für i = l, . . . , r ).
3. (Vergleiche Ri mit R) i := i + 1, solange Ri < R ist.
4. (Vergleiche R mit Rj ) j := j − 1, solange R < Rj ist.
5. Wenn j ≤ i ist, so vertausche Rl mit Rj und gehe zu 7. (Die Indizes haben sich
getroﬀen.)
6. Vertausche Ri und Rj und gehe zu 3.
7. Wenn r − j ≥ j − l > M , so lege (j + 1, r) auf den Stack, setze r = j − 1, gehe
zu 2.
Wenn j − l > r − j > M ist, so lege (l, j − 1) auf den Stack, setze l = j + 1, gehe
zu 2.
Wenn r − j > M ≥ j − l ist, setze l = j + 1, gehe zu 2.
Wenn j − l > M ≥ r − j ist, setze r = j − 1, gehe zu 2.
8. Wenn der Stack nicht leer ist, so hole (l, r) vom Stack und gehe zu 2.
9. (Nacharbeit, falls M > 1 ist) Für j = 2, . . . , N gehe folgende Schritte: R :=
Rj , i := j − 1, wiederhole Ri+1 := Ri , i := i − 1, bis Ri ≤ R ist. Setze Ri+1 = R.
(Wir lassen Rj sinken.)
10 SORTIEREN
81
Das folgende Programm realisiert diesenAlgorithmus.
import java.io.*;
public class quick
{
public static int
public static int
public static int
public static int
nn = 20;
stack[] = new int[nn+1];
rr[] = new int[nn+1];
i, j, r, l, st, rh, hh;
public static void init()
// einrichten
{
random.h = 32003;
for (int i = 1; i < nn-1; i++)
rr[i] = random.f2n(15, i);
rr[0] = -100000; rr[nn-1] = 100000;
}
public static void s1()
{
l = 1; r = nn - 1; st = 0;
}
public static void s2()
{
i = l; j = r + 1; rh = rr[l];
s3();
}
public static void s3()
{
i++;
if (rr[i] < rh)
s3();
s4();
}
public static void s4()
{
j--;
if (rh < rr[j])
s4();
s5();
}
10 SORTIEREN
public static void s5()
{
if (j <= i)
{
hh = rr[l]; rr[l] = rr[j]; rr[j] = hh;
s7();
}
else
s6();
}
public static void s6()
{
hh = rr[i]; rr[i] = rr[j]; rr[j] = hh;
s3();
}
public static void s7()
{
if ((r-j >= j-l) && (j-l > 1))
{
stack[st+1] = j + 1;
stack[st+2] = r;
st = st + 2;
r = j - 1;
s2();
}
else if ((j-l > r-j) && (r-j > 1))
{
stack[st+1] = l;
stack[st+2] = j - 1;
st = st + 2;
l = j + 1;
s2();
}
else if ((r-j > 1) && (1 >= j-l))
{
l = j + 1;
s2();
}
else if ((j-l > 1) && (1 >= r-j))
{
r = j - 1;
s2();
82
10 SORTIEREN
83
}
else s8();
}
public static void s8()
{
if (st > 0)
{
r = stack[st];
l = stack[st-1];
st = st - 2;
s2();
}
}
public static void main(String arg[])
{
init();
s1(); s2(); s3(); s4(); s5(); s6();
System.out.println();
for (int i = 1; i < nn; i++)
System.out.print(rr[i] + " ");
}
}
10.8
s7();
s8();
Binärdarstellung der Schlüssel
Dies ist eine Variante von quick sort, die die Bitdarstellung der Schlüssel (-Zahlen)
nutzt. Wir sortieren nach dem höchstwertigen Bit: zuerst alle mit 0, dann alle mit 1.
also:
Suche den am weitesten links stehenden Schlüssel Ki mit führendem Bit = 1;
Suche den am weitesten rechts stehenden Schlüssel Kj mit führendem Bit = 0.
Tausche Ri und Rj , erhöhe i, senke j, bis i > j ist.
Sei F0 = { Schlüssel mit führendem Bit = 0 },
sei F1 = { Schlüssel mit führendem Bit = 1 }.
Num Sortieren wir F0 und F1 durch Vergleich des zweiten Bits, usw.
Im Einzelnen ist folgendes zu tun: (Wenn max(Ki ) < 2m ist, so brauchen wir einen
Stack der Größe m − 1 für m-Bit-Zahlen.
1. leeren Stack erzeugen, l = 1, r = N, b = 1 (links, rechts, Bitnummer)
2. Wenn l = r ist, so gehe zu 10. Sonst setze i = l, j = r (Neuer Durchgang: wir
untersuchen das Bit b bei Kl , . . . , Kr ).
3. Wenn Bit b von Ki gleich 1 ist, gehe zu 6.
10 SORTIEREN
84
4. i = i + 1; wenn i ≤ j: gehe zu 3
sonst gehe zu 8
5. Wenn Bit b von kj+1 gleich 0 ist, gehe zu 7
6. j = j − 1; wenn i ≤ j: gehe zu 5
sonst gehe zu 8
7. Tausche Ri und Rj+1 , gehe zu 4
8. (Ein Durchgang ist beendet, es ist i = j + 1, Bit b von Kl , . . . , Kj ist 0,Bit b von
Ki , . . . , Kr ist 1.)
b = b + 1; wenn b > m: gehe zu 10
Wenn j < l oder j = r: gehe zu 2 (Alle b-Bits waren gleich)
Wenn j = l, setze l = l + 1, gehe zu 2 (nur ein b-Bit ist 0)
9. Lege das Paar (r, b) auf den Stack (wir merken uns die rechte Grenze, wo noch
Bit b geprüft werden muß), setze r = j; gehe zu 2
10. (Stack leeren) Wenn der Stack leer ist, sind wir fertig. Sonst setze l = r + 1, hole
(r , b ) vom Stack, setze r = r , b = b und gehe zu 2.
10.9
Sortieren durch direkte Auswahl
Wir suchen den kleinsten Schlüssel, geben den Entsprechenden Datensatz aus und
ersetzen den Schlüssel durch ∞. Wir wiederholen dies, bis N Sätze bearbeitet sind.
Also: Die zu sortierende Liste muß vollständig vorliegen, die Ausgabe erfolgt sequentiell.
Dies ist genau das umgekehrte Vorgehen wie beim Sortieren durch Einfügen: dort ist
die Eingabe sequentiell, Ergebnisse erhält man erst ganz zum Schluß.
Bei jedem Durchgang sind N − 1 Vergleiche nötig. Besser ist es, den ausgewählten
Satz an seine“ Stelle zu bringen (Tausch mit dem Inhaber) und später nicht mehr zu
”
betrachten:
Für j = N, N − 1, . . . , 2 :
sei Ki = max(K1 , . . . , Kj )
Tausche Ri und Rj . (dann ist Rj , . . . , RN geordnet).
Sind für die Bestimmung des Maximums von N Zahlen wirklich N −1 Vergleiche nötig,
ist die Komplexität also immer noch O(N 2 )?
√
√
Besser: Wir zerlegen die Daten in N Gruppen zu N Elementen, suchen in jeder
Gruppe das Maximum und bestimmen
√das Maximum der Gruppenersten; dieses wird
√
dann entfernt. Dazu sind etwa N + N Vergleiche nötig.
√
Wenn das iteriert wird, können wir in O(N · N ) Schritten sortieren. Man nennt dieses
√
Verfahren quadratische Auswahl“. Es ist auch eine kubische Auswahl mit O(N · 3 N )
”
Schritten denkbar, wir nähern uns langsam der magischen Schranke O(n · log(n).
10 SORTIEREN
10.10
85
tree selection
Diese Schranke wird wie bei Tennisturnieren im k.o.-System erreicht. Wenn 2n Kandidaten antreten, ist der Sieger nach n Runden ermittelt. Wer aber ist der Zweitbeste?
Es ist einer der n Spieler, der gegen den Sieger verloren hat.
Wir belegen die Blätter eines binären Baums mit N Blättern durch die Schlüssel Ki
und belegen jeweils den Vaterknoten durch das Maximum der beiden Söhne. In der
Wurzel haben wir also den Ersten E. Um den zweiten zu ﬁnden, ersetzen wir E überall
durch −∞ und bilden entlang der Astfolge zur Wurzel wieder die Maxima, die Länge
dieses Weges ist gleich log(N ) und wir haben den Zweiten gefunden; usw. Insgesamt
sind also N · log(N ) Vergleiche nötig.
Dies ist das Peter-Prinzip: Jeder steigt in der Hierarchie so weit auf, bis er sein Nineau
der Inkompetenz erreicht hat.
10.11
heap sort
Eine Folge K1 , . . . , KN heißt Halde (heap), wenn Ki/2 ≥ Ki für alle i ist, also
K 1 ≥ K2 , K 1 ≥ K3 , K 2 ≥ K4 , . . .
Demnach ist K1 = max(K1 , K2 , . . . , KN ), das größte Element liegt oben auf der Halde.
Man veranschaulicht sich das am besten an einem binären Baum: der Vater ist größer
als die beiden Söhne.
Es gelte
Kj/2 ≥ Kj für l < j/2 < j ≤ N ;
dies ist für l = N/2 trivialerweise erfüllt (es gibt kein j). Diese Heap-Bedingung wollen
wir schrittweise für kleinere j erhalten. Wir formen die Eingabeliste zu einer Halde um,
entfernen die Spitze und bringen sie an die richtige Stelle.
1. setze l = N/2 + 1, r = N
2. (l oder r verkleinern)
wenn l > 1 ist, setze l = l − 1, R = Rl , K = Kl
sonst setze R = Rr , K = Kr , Rr = R1 , r = r − 1
Wenn nun r = 1 ist, setze R1 = R und beende.
3. (Wir haben eine Halde ab l und Rk hat für r < k ≤ N den richtigen Platz; wir
wollen eine Halde ab k mit k = l/2.)
setze j = l
4. (ab hier ist i = j/2)
Setze i = j, j = 2i
wenn j < r ist, gehe zu 5
wenn j = r ist, gehe zu 6
wenn j > r ist, gehe zu 8
10 SORTIEREN
86
5. wenn Kj < Kj+1 setze j = j + 1 (ﬁnde größeren Sohn)
6. wenn K ≥ Kj ist, gehe zu 8
7. (hochheben) setze Ri = Rj , gehe zu 4
8. (speichere R) setze Ri = R, gehe zu 2
Die Komplexität ist garantiert N · log(N ), denn in Schritt 4 wird das Intervall halbiert.
10.12
Sortieren durch Mischen (merge sort)
Hier haben wir zwei sortierte Folgen, die zu einer Folge vereinigt werden sollen. Wir
verleichen die beiden Minima, geben das kleinere aus, entfernen es und beginnen von
vorn. Wenn eine der Listen leer ist, so ist die andere Liste der Rest.
Seien also
x1 ≤ x2 ≤ . . . ≤ xm und y1 ≤ y2 ≤ . . . ≤ yn
gegeben.
1. i = 1, j = 1, k = 1
2. wenn xi ≤ yj , so gehe zu 3
sonst gehe zu 5
3. setze zk = xi , k = k + 1, i = i + 1
wenn i ≤ m ist, gehe zu 2
4. Setze (zk , . . . zm+n ) = (yj , . . . yn ) und beende.
5. setze zk = yj , k = k + 1, j = j + 1
wenn j ≤ n ist, gehe zu 2
6. Setze (zk , . . . , zm+n ) = (xi , . . . , xm ) und beende.
Der Aufwand ist m + n, d.h. Mischen ist leichter als Sortieren. Dies ist eines der ersten
auf Rechnern implementiertes Sortierverfahren (J. v. Neumann, 1945).
10.13
Natürliches Mischen
Wir schauen uns die Eingabefolge von beiden Seiten an. Ein Aufstieg“ ist eine Folge
”
ai ≤ ai+1 ≤ . . . ≤ ak .
Die Gesamtfolge ist eine Folge von Aufstiegen, die je durch einen Abwärtsschritt getrennt werden. Wie gesagt betrachten wir die Folge von links und von rechts.
10 SORTIEREN
87
Beispiel (die markierten Abschnitte stellen jeweils Aufstiege dar):
503 703 765 61 612 908 154 275 426 653 897 509 170 677 512 87
Wir mischen nun den am weitesten links stehenden Aufstieg mit dem am weitesten
rechts stehenden Aufstieg zu einem neuen linken Aufstieg und entfernen die alten.
Dann mischen wir die beiden nächsten Aufstiege zu einem neuen Aufstieg rechts, usw.
Das Ergebnis des ersten Durchgangs ist in unserem Beispiel
87 503 512 677 703 765 154 275 426 653 908 897 612 509 170 61
Als Eingabedaten haben wir R1 , . . . , RN ; wir brauchen einen Hilfsspeicher RN +1 , . . . , R2N ,
dessen Anfangsinhalt irrelevant ist.
1. s = 0
(Wenn s = 0 ist, bringen wir die Dinge von R1 , . . . , RN nach RN +1 , . . . , R2N , bei
s = 1 umgekehrt.)
2. wenn s = 0 ist, setze i = 1, j = N, k = N + 1, l = 2N
wenn s = 1 ist, setze i = N + 1, j = 2N, k = 1, l = N
d = 1, f = 1 (Ausgaberichtung; noch ein Paß?)
3. (Schritte 3 bis 7: Mischen)
wenn Ki > Kj : gehe zu 8
wenn i = j: setze Rk = Ri , gehe zu 13
4. setze Rk = Ri , k = k + d
5. (Abwärtsschritt?) i = i + 1; wenn Ki−1 ≤ Ki : gehe zu 3
6. setze Rk = Rj , k = k + d
7. (Abwärts?) j = j − 1, wenn Kj+1 ≤ Kj : gehe zu 6
sonst gehe zu 12
8. (Schritte 8 bis 11 sind dual zu 3, ..., 7) setze Rk = Rj , k = k + d
9. (Abwärts?) j = j − 1, wenn Kj+1 ≤ Kj : gehe zu 3
10. setze Rk = Ri , k = k + d
11. (Abwärts?) i = i + 1, wenn Ki−1 ≤ Ki : gehe zu 10
12. (Seiten vertauschen) Setze f = 0, d = −d, tausche k ↔ l, gehe zu 3
10 SORTIEREN
88
13. (Tausche unten und oben)
wenn f = 0, setze s = 1 − s, gehe zu 2
Sonst sind wir fertig. Wenn s = 0 sein sollte, ist noch der Hilfsspeicher nach unter
zu kopieren.
Verbesserung: Wir legen fest, daß beim ersten Durchgang alle Aufstiege die Länge 1
haben (d.h. wir prüfen nicht, wo die Aufstiege enden). Dann haben aber beim zweiten
Durchgang alle Aufstiege die Länge 2, beim dritten die Länge 4 ...
Leider ist der Speicheraufwand mit 2N recht groß, wobei stets die Hälfte des Speichres
ungenutzt ist. Besser wäre es, mit verbundenen Listen zu arbeiten.
10.14
list merge sort
Wir stellen eine Link-Liste L1 , . . . , LN bereit, wo Zahlen zwischen −N − 1 und N + 1
stehen können; zusätzlich nutzen wir L0 , LN +1 , R0 , RN +1 .
Am Ende ist L0 der Index des kleinsten Ri und Lk ist der Index des NAchfolgers von
Rk , oder Lk = 0, falls Rk maximal ist. R0 und RN +1 sind die Listenköpfe. Wenn ein
Link negavit ist, so ist das Ende einer geordneten Teilliste erreicht.
Wir verwenden die Fortran-Funktion SIGN folgendermaßen: Ls = SIGN(p, Ls); dabei
behält Ls sein Vorzeichen bei und erhält den Wert p oder -p.
1. setze L0 = 1, LN +1 = 2, LN −1 = LN = 0
fr i = 1, . . . N − 2 : Li = −(i + 2)
(Wir haben zwei Teillisten R1 , R3 , R5 , . . . und R2 , R4 , R6 , . . . und die negativen
Links bedeuten, daß jede geordnete Teilliste einelementig ist.)
2. (neuer Durchgang; s ist die letzte bearbeitete Eintragung, t ist das Ende der
vorher bearbeiteten Liste, p, q durchlaufen die Liste)
setze s = 0, t = N + 1, p = Ls , q = Lt . Wenn q = 0 ist, sind wir fertig.
3. wenn Kp > Kq : gehe zu 6
4. setze Ls = SIGN (Ls , p), s = p, p = Lp ; wenn p > 0: gehe zu 3
5. (Teilliste ferstigstellen)
setze Ls = q, s = t
wiederhole t = q, q = Lq bis q ≤ 0
gehe zu 8
6. setze Ls = SIGN (Ls , p), s = q, q = Lq
wenn q > 0: gehe zu 3
7. setze Ls = p, s = t
wiederhole t = p, p = Lp bis p ≤ 0
11 DAS CHARAKTERISTISCHE POLYNOM
89
8. (Durchgang fertig, d.h. p ≤ 0, q ≤ 0)
setze p = −p, q = −q
wenn q = 0: setze Ls = SIGN (Ls , p), Lt = 0, gehe zu 2
sonst gehe zu 3
11
Das charakteristische Polynom
Wenn A eine n × n-Matrix und x eine Unbestimmte ist, so heißt die Determinante
χA (x) = | xEn − A | das charakteristische Polynom von A. Da die Einträge der Matrix
xE − A keine Körperelemente, sondern Polynome (vom Grad 0 oder 1) sind, kann die
Determinante nicht mit Hilfe des Gaußschen Algorithmus berechnet werden. Was nun?
Für die Leibnizsche Methode wäre eine Polynomarithmetik nötig; der Rechenaufwand
ist mit n! unakzeptabel hoch.
Wenn man die Tatsache ausnutzen will, daß der Koeeﬁzient von xn−1 in χA (x) gleich
der Summe der i-Hautminoren
von A ist, so muß man bedenken, daß der Koeﬃzient
n
n
2
von x die Summe von n Determinanten ist, allein deren Anzahl ist schon riesig.
2
Wenn man sich aber die Mühe macht und eine Polynomarithmetik implementiert, so
geht es leicht. Man braucht die Addition/Subtraktion, Multiplikation und Division mit
Rest für Polynome in einer Variablen. Wir bringen dann die Polynommatrix xEn − A
schrittweise in Dreiecksform: Durch Zeilen-/Spaltentausch bringen wir die Komponente
minimalen Grades an die Position (1,1). Dann dividieren wir mit Rest: ai,1 = a1,1 ·q +r.
Wenn wir nun das q-fache der ersten Zeile von der i-ten subtrahieren, erhalten wir in
der ersten Spalte gerade r, was Null ist oder aber zumindest von minimalem Grad
(aller Komponenten) ist. Dies iterrieren wir, bis die erste Spalte Nullen enthält. Dann
ist die zweite Spalte dran usw.
Drei Dinge sollen noch angeführt werden:
Mit demselben Verfahren kann man die Matrix in Diagonalform überfhren, und man
kann es erreichen, daß die Diagonalkomponenten einander teilen. Diese Diagonalform
ist eindeutig bestimmt und heißt Smithsche Normalform; die Diagonalkomponenten
heißen ihre Invariantenteiler. Der höchste“ Invariantenteiler von xEn − A ist das Mi”
nimalpoynom von A.
Das Ganze klappt natürlich auch für beliebige Polynommmatrizen.
Wenn die Einträge einer Matrix ganzzahlig sind, kann man mit dem beschriebenen
Verfahren die Determinante ohne Divisionen berechnen.
Wir wollen den Rechenaufwand grob abschätzen:
Es entstehen Polynome bis zum Grad n. Um ein solches zu Null zu machen, sind
maximal n Zeilenoperationen nötig. Eine Zeilenoperation mit Polynomen kostet etwa n2
Rechenoperationen. Es sind etwa n2 Komponenten zu bearbeiten. Die Zeitkomplexität
ist also etwa n5 .
12 GRAPHEN
90
Ein noch besseres Verfahren basiert auf den Newtonschen Formeln 1 , das darüberhinaus
fast ohne Divisionen auskommt:
Für die Koeﬃzenten von χA (x) = ai xn−i gilt die Rekursionsgleichung
i−j
1
ai = −
aj Spur(Ai−j ).
i j=0
Also
a0 = 1,
a1 = −Spur(A),
1
a2 = − Spur((A + a1 E)A),
2
usw.
Es sind ungefähr n4 Rechenoperationen notwendig.
Das soeben vorgestellte Verfahren stammt von Leverrier und Faddejew. Da der konstante Term des charakteristischen Polynoms bis aufs Vorzeichen gleich der Determinante
von A ist, kann diese relativ schnell, fast ohne Divisionen berechnet werden.
Nach dem Satz von Hamilton/Cayley gilt
ai An−i = 0,
Nach Multiplikation mit A−1 (falls dies existiert) kann diese Gleichung nach A−1 aufgelöst werden; die Inverse einer Matrix kann also auch fast ohne Divisionen berechnet
werden. Dies wurde in den achtziger Jahren von einem Informatiker wiederentdeckt
und publiziert. In einer Rezension des betreﬀenden Artikels wurde das Verfahren allerdings als numerisch unstabil“, weil Divisionen erfordernd, abqualiﬁziert. Ich kann mir
”
aber kein Berechnungsverfahren zur Matrixinversion vorstellen, das ohne Divisionen
auskommt, nur welche mit mehr oder weniger vielen.
Daß die Matrixinversion genauso schwierig wie die Matrixmultiplikation ist, erkennen
wir daran, daß sich die Multiplikation auf die Inversion zurückführen läßt:

E

0
0
12
A
E
0
−1
0
B

E

E

=0
0

−A AB
E −B 

0
E
Graphen
Deﬁnition: Sei E eine Menge, deren Elemente wir Ecken“ nennen werden, und K eine
”
Menge ungeordneter Paare (e1 , e2 ) mit ei ∈ E. Dann nennen wir das Paar G = (E, K)
einen Graphen. Die Elemente von K nennen wir die Kanten von G. Wir sagen, die
Kante (e1 , e2 ) verbindet die Ecken e1 und e2 .
Ein Graph G1 = (E1 , K1 ) heißt Teilgraph von G, wenn E1 ⊂ E und K1 ⊂ K ist.
1
Für einen Beweis vgl. Grassmann, Algebra und Geometrie I, II, III im Kapitel Polynome“;
”
http://www-irm.mathematik.hu-berlin.de/ ˜hgrass.
12 GRAPHEN
91
G1 heißt spannender Teilgraph von G, wenn E1 = E ist.
Sei x ∈ E, dann bezeichnen wir mit deg(x) = |{y ∈ E | (x, y) ∈ K}| den Grad der Ecke
x, es ist die Anzahl der Kanten, die von x ausgehen.
Ein Graph heißt vollständig, wenn jeweils zwei seiner Ecken verbunden sind.
Lemma 12.1
x∈E
deg(x) = 2 |K| .
Beweis: Jede Kante verbindet zwei Ecken.
Deﬁnition: Eine Folge x1 , . . . , xn von Ecken heißt Weg der Länge n, wenn jeweils
(xi , xi+1 ) ∈ K gilt. Mit d(x, y) bezeichnen wir den Abstand der Ecken x, y, dies ist als
die Länge des kürzesten Wegs von x nach y deﬁniert.
Ein Graph heißt zusammenhängend, wenn es zu zwei beliebigen Ecken einen Weg gibt,
der sie verbindet.
Wir nennen G einen gewichteten Graphen, wenn jeder Kante (x, y) eine positive reelle
Zahl d(x, y) zugeordnet ist, dies nennen wir das Gewicht der Kante und als Abstand
zweier Ecken wählen wir die die Summe der Gewichte eines kürzesten Verbindungswegs.
Wir wollen nun ein Verfahren von Dijkstra (1959) behandeln, das einen kürzesten Weg
zwischen zwei Ecken v und w eines Graphen bestimmt.
Dazu führen wir folgende Funktion ein: Sei v ∈ U ⊂ E eine Menge von Ecken, die v
nicht enthält. Für x ∈ U setzen wir


 d(v, x), wenn es einen Weg v = v1 , . . . , vn = x mit vi ∈ U
für i = 1, . . . , n − 1 gibt,
lU (x) = 

∞
sonst.
Sei nun x1 ∈ U die Ecke in U , für die das Minimum lU (x1 ) = min(lU (x) | x ∈ U )
angenommen wird. Dann ist lU (x1 ) die Länge des kürzesten Weges von v nach x1 ,
denn andernfalls gäbe es einen kürzeren Weg von v nach x1 . Dieser Weg kann aber nicht
vollständig (bis auf x1 ) außerhalb von U liegen, da ja lU (x1 ) minimal sein sollte. Dieser
Weg enthält also eine Ecke z aus U und wir hätten lU (z) < lU (x1 ), ein Widerspruch.
(Für die anderen Ecken x aus U kann es Wege von v aus geben, die kürzer als lU (x)
sind.)
Wie kann man nun lU bestimmen? Im folgenden Algorithmus haben wir stets die
folgende Situation:
1. Für jede Teilmenge U ⊂ E kennt man lU (x) für alle x ∈ U .
2. Für alle y ∈ W = E − U kennt man einen kürzesten Weg von v nach y, der U
nicht berührt.
Also: Man kennt für jede Ecke die Länge des kürzesten Wegs von v aus, der mit
Ausnahme höchstens der letzen Ecke außerhalb von U verläuft; für die Ecken außerhalb
von U sind dies überhaupt die kürzesten Wege.
Sei nun z ∈ U beliebig, wir setzen V = U − {z}. Wenn nun x ∈ U ist, so gilt
lV (x) = min(lU (x), lU (z) + d(z, x)).
Beweis: Von v gelangt man auf kürzestem Weg, ohne V vorzeitig zu betreten, über
z oder nicht über z. Wenn wir nicht über z gehen, so wird U auch nicht betreten,
12 GRAPHEN
92
also ist lV (x) = lU (x). Im anderen Fall ist z die vorletzte Ecke eines kürzesten Weges
von v nach x, denn sonst gäbe es ein y ∈ U auf einem Weg zwischen v und x und
wir kennen einen kürzesten Weg von v nach y, der U nicht berührt. Damit hätten wir
einen kürzesten Weg, der z nicht enthält, im Widerspruch zu Voraussetzung. Also ist
hier lV (x) = lU (z) + d(z, x).
Nun kommen wir zum Algorithmus, der d(v, x) bestimmt und einen Weg dieser Länge
aussucht.
1. Initialisierung: W = ∅, U = E − W, lU (v) = 0, lU (x) = ∞ für x = v, p(x) = >
für alle x ∈ E, dies wird später die nächste Weg-Ecke sein.
2. Sei z ∈ U die Ecke mit minimalen lU -Wert (im ersten Schritt ist dies v), wir
setzen d(v, z) = lU (z).
3. Setze W := W ∪ {z}, V = U − {z}. Für alle x ∈ V setzen wir lV (x) =
min(lU (x), lU (z) + d(z, x)) und wenn dabei lU (x) > lU (z) + d(z, x) ist, so setzen wir p(x) = z. Nun setzen wir U := V .
4. Wenn W = E ist, so sind wir fertig. Wenn lU (x) = ∞ für alle x ∈ U ist, so ist
der Graph nicht zusammenhängend. Andernfalls gehe zu 2.
Der Arbeitsaufwand hat die Größenordnung |K 2 |. Einen kürzesten Weg von x nach v
geht durch die Ecken x, p(x), p(p(x)), . . ..
Wir führen dies in einem Beispiel durch. Wir betrachten den folgenden gewichteten
Graphen (die Gewichte sind an die Kanten herangeschrieben):
b
2
d
r
✧
✧
r❛
❛
✪

 ❛❛ 7
5 ✧
9
✪

❛❛
✧
✪

❛

❛r f
✧
✪
#
✧
#
2
4
a r✧
#
✪
❜
#
❜ 2
✪ 7
❜
#2
✪
❜
#
❜
✪
#
❜
❜
❜✪
r
r
#
✧
c
8
e
Wir suchen die kürzesten Wege zwischen a und den anderen Ecken. Bei der Initialisierung wird W = ∅, U = {a, b, c, d, e, f }, lU (a) = 0, l(x) = ∞ sonst, p(x) = > für alle x.
Beim ersten Durchlauf wird
z = a, d(a, a) = 0, W = {a}, U = {b, c, d, e, f }, lU (b) = 5, lU (c) = 2, p(b) = a, p(c) = a.
Zweiter Durchlauf:
z = c, d(a, c) = 2, W = {a, c}, U = {b, d, e, f }, lU (b) = 4, lU (d) = 9, l(e) = 10, p(b) =
c, p(d) = c, p(e) = c.
Dritter Durchlauf:
z = b, d(a, b) = 4, W = {a, c, b}, U = {d, e, f }, l(d) = 6, l(f ) = 13, p(d) = b, p(f ) = b.
Vierter Durchlauf:
z = d, d(a, d) = 6, W = {a, b, c, d}, U = {e, f }.
Fünfter Durchlauf:
z = e, d(a, e) = 10, W = {a, b, c, d, e}, U = {f }, l(f ) = 12, p(f ) = e.
12 GRAPHEN
93
Letzter Durchlauf: z = f, d(a, f ) = 12, U = ∅.
Als Datenstrukturen für die Verwaltung bieten sich die folgenden an:
1. Die Adjazenzmatrix des Graphen: AG = (aij ) mit aij =
1,
0
(ei , ej ) ∈ K
.
sonst
Dies ist nicht besonders eﬀektiv, wenn viele Nullen gespeichert werden.
2. Wenn der Grad der Eckpunkte durch eine Zahl d beschränkt ist, so kann man
die Information in einer verketteten Liste ablegen, deren einzelne Zellen folgende
Daten enthalten:
• laufende Nummer des Eckpunkts,
• Anzahl der Nachbarn,
• ein Feld der Größe d für die Nummern der Nachbarecken.
3. Für binäre Graphen, das sind solche, wo jeder Eckpunkt einen Vater“ und
”
höchstens zwei Söhne“ hat, kann man ein Feld g mit folgenden Informationen
”
anlegen:
Die Söhne von g[i] sind g[2i] und g[2i + 1], der Vater von g[i] ist g[i div 2].
Welche Informationen kann man der Adjazenzmatrix eines Graphen entnehmen?
m
2
✒
1m✛
✲
m
3
❅
❅
❘
❅
m
4
m
5
Dies ist ein gerichteter“ Graph; wir verallgemeinern die Zuordnungsvorschrift für die
”
Adjazenzmatrix (aij ) wie folgt: die Zahl aij bezeichnet das Gewicht“ der Kante (i, j),
”
es ist aij = 0, wenn (i, j) ∈ K ist; die Adjazenzmatrix ist also genau dann symmetrisch,
wenn der Graph ungerichtet“ ist. In dem Beispiel ist
”


0 1 0 0 0
0 0 1 1 0




.
A=
0
0
0
0
0


1 0 0 0 0
0 0 0 0 0
Mit unserer Verallgemeinerung entspricht nun aber jeder Matrix ein Graph, ggf. schreibt
man an jeder Kante ihr Gewicht an.
Welcher Graph gehört dann zur Summe der Adjazenzmatrizen zweier Graphen?
Welcher Graph gehört zur transponierten Adjazenzmatrix? Was ist mit Matrixprodukten?
12 GRAPHEN
Hier ist

0
1


A2 = 
0

0
0
94
0
0
0
1
0
1
0
0
0
0
1
0
0
0
0


0
0


,
0

0
0
1
0


A3 = 
0

0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
1
0

0
0


,
0

0
0
A4 = A3
Die Einträge in A2 entsprechen den Wegen der Länge 2 im ursprünglichen Graphen.
Die Erreichbarkeitsmatrix“
”
?
Ai läßt alle möglichen Verbindungen erkennen.
i=0
Einem Verkehrsnetz K können wir eine Matrix mit den Einträgen
ars = Entfernung r → s, ohne einen anderen Ort zu durchlaufen,
zuordnen (die Matrix muß angesichts von Einbahnstraßen nicht symmetrisch sein). Wir
führen hier eine neue Matrixmultiplikation ein (genauer: nur eine Potenzierung):
A(2)
rs = min (ark + aks ).
1≤k≤n
Dann gibt es ein i mit A(i+1) = A(i) und aus dieser Matrix kann man die kürzeste
Verbindung zweier Orte ablesen.
Beispiel:

0
 14

 8
A=

 7
5
12.1

14 8 7 5
0 10 ∞ ∞ 

,
10 0 3 ∞ 

∞ 3 0 ∞
∞ ∞ ∞ 0

A(2)
0
 14

 8
=

 7
5

14 8 7 5
0 10 13 19 

.
10 0 3 13 

13 3 0 12 
19 13 12 0
Bäume
Deﬁnition: Ein Graph G = (E, K) heißt Baum, wenn die folgenden äquivalenten
Bedingungen erfüllt sind:
1. Je zwei Ecken sind durch genau einen Weg verbunden.
2. G ist zusammenhängend und |K| = |E| − 1.
3. G enthält keinen Kreis, aber beim Hinzufügen einer Kante entsteht ein Kreis.
Wir zeichnen eine Ecke eines Baums aus und nennen sie Wurzel. Wenn wir uns einen
Graphen als aus Stäben hergestellt vorstellen, die an den Eckpunkten Gelenke haben,
so fassen wir einen Baum bei seiner Wurzel und heben ihn an. Dann sieht es etwa so
aus:
Niveau
Wurzel
✈
0
✏✏PPP
✏
P
✏
P✈
✈
✏
1
✈
❢ ❅
❅✈ ❢
❢ ❅
❢❅❢ 2
❅❢
❢ ❅
3
12 GRAPHEN
95
Man erhält so eine hierarchische Struktur. Die Ecken vom Grad 1 nennt man die Blätter
des Baums.
Man nennt einen binären Baum regulär, wenn jeder Eckpunkt, der kein Blatt ist,
genau zwei Söhne hat. Also: Jede Ecke hat den Grad 1, 2 oder 3 und es gibt genau
einen Knoten vom Grad 2, die Wurzel, | K |=| E | −1.
Reguläre binäre Bäume haben folgende Eingenschaften:
1. Die Anzahl der Ecken ist ungerade, denn es gibt genau ein x ∈ E mit deg(x) = 2,
die anderen Ecken haben einen ungeraden Grad und die Summe der Grade ist
eine gerade Zahl.
2. Wenn |E| = n ist, so gibt es (n + 1)/2 Blätter.
Beweis: Sei p die Zahl der Blätter, dann gibt es n − p − 1 Ecken vom Grad 3, also
1
|K| = n − 1 = (p + 3(n − p − 1) + 2)
2
2n − 2 = 3n − 2p − 1
−n − 1 = −2p
3. Die maximale Zahl der Ecken auf dem Niveau k ist 2k .
4. Wenn ein Baum die Höhe h und n Knoten hat, so ist h ≥ log2 (n + 1) − 1.
Durch Bäume lassen sich arithmetische Ausdrücke beschreiben: Die inneren Knoten
markieren wir mit +, −, >, / und die Blätter mit Variablen oder Konstanten.
Beispiel: (a − b) > c + (c − a)/(b − c)
✛✘
+
✛✘ ✚✙
✛✘
>
/
✚✙
✚✙
✛✘
✛✘ ✛✘
✛✘
–
c
–
–
✚✙
✚✙
✚✙
✚✙
✛✘
✛✘
✛✘
✛✘
✛✘
✛✘
a
b
c
a
b
c
✚✙ ✚✙ ✚✙ ✚✙
✚✙ ✚✙
Oft ist es nötig, alle Eckpunkte eines Baums einmal zu durchlaufen. Hierfür gibt es
drei rekursive Methoden:
• Inorder-Durchlauf:
1. Durchlaufe den linken Teilbaum der Wurzel nach Inorder.
2. Besuche die Wurzel.
3. Durchlaufe den rechten Teilbaum nach Inorder.
12 GRAPHEN
96
• Preorder-Durchlauf:
1. Besuche die Wurzel.
2. Durchlaufe den linken Teilbaum nach Preorder.
3. Durchlaufe den rechten Teilraum nach Preorder.
• Postorder-Durchlauf:
1. Durchlaufe den linken Teilbaum nach Postorder.
2. Durchlaufe den rechten Teilbaum nach Postorder.
3. Besuche die Wurzel.
Wir illustrieren diese drei Methoden am obigen Beispiel und schreiben die Markierung
der besuchten Punkte nacheinander auf:
• Inorder: a - b * c + c - a / b - c, dies ist ist der oben angegebene Term,
allerdings ohne Klammern.
• Predorder: + * - a b c / - c a - c b, man nennt dies die Präﬁxnotation
oder polnische Notation.
• Postorder: a b - c * c a - b c - / +, dies heißt Postﬁxnotation oder umgekehrte polnische Notation (UPN).
Wir sehen, daß sich bei den beiden letzten Notationen der Term (a − b) > . . . ohne
Klammern eindeutig darstellen läßt.
Die drei genannten Durchmusterungsalgorithmen sind rekursiver Natur. Wir geben für
den Inorder-Durchlauf eines binären Baums einen sequentiellen Algorithmus an. Dabei
stellen wir uns den Baum als verkettete Liste mit den Einträgen RECHTS, LINKS
(Zeiger auf die beiden Söhne) und INHALT (z.B. ein Name) vor. Weiter haben wir
eine globale Variable STACK, einen Stack, den wir mit einer Prozedur PUSH füllen
und mit POP leeren. TOP(STACK) ist der oberste Eintrag. EMPTY stellt fest, ob der
Stack leer ist und der Zeigerwert NULL gibt an, daß die Liste zu Ende ist.
1:
subroutine inorder(q)
integer q, p
p = q
while p<>0
push(p,stack)
p = links(p)
end while
if not empty(stack)
p = top(stack)
pop(stack)
print *, inhalt(p)
p = rechts(p)
end if
if not (empty(stack) and (p = null))
goto 1
end
Jeder Knoten wird einmal auf den Stack gelegt und wieder entfernt.
Bäume eignen sich gut zur Strukturierung einer Datenmange, in der immer wieder
gesucht werden muß. Seien also die Elemente x1 , . . . , xn in die Knotes eines binären
Suchbaums eingetragen und zwar so, daß im linken Unterbaum eines Knotens xi alle
kleineren und im rechten Unterbaum alle größeren Elemente zu ﬁnden sind. Dann ist
12 GRAPHEN
97
die Zahl der notwendigen Vergleiche, um ein Element zu ﬁnden, zu löschen oder an der
richtigen Stelle einzufügen, durch die Tiefe des Baums beschränkt. Die besten Resultate
wird man erhalten, wenn es gelingt, den Baum möglichst gleichmäßig zu gestalten und
nicht zu einem einzigen Zweig ausarten zu lassen.
Beim Abarbeiten eines Suchbaums mit dem Inorder-Verfahren werden die Elemente in
der gegebenen Ordnung durchsucht. Man kann sie sich also in der sortierten Reihenfolge
ausgeben lassen.
hier: balancierte Bäume
Präﬁx-Codes
Wir betrachten einen binären Baum, wo jede Kante zu einem linken Sohn mit 0 und jede
Kante zu einem rechten Sohn mit 1 markiert ist. Den Blättern ordnen wir Buchstaben
eines Alphabets zu, den inneren Knoten wird nichts zugeordnet.
❜
a
❜
✟✟❅
✟✟
❅
✟
❜✟
❅❜
❅
❅
❅
❅
❜
❅❜
❅❜
❅
❅
d
❅
❅
❜
❅❜
❅❜
❜
❅
b
e
f
❅
❅❜
c
Den zu den Blättern führenden Wege entsprechen die Worte 00, 010, 0111, 10, 110, 111.
Keines dieser Worte ist Anfangsstück eines anderen, denn den Anfangsstücken eines
Wortes entsprechen innere Knoten und keine Blätter.
Wenn man mit einem solchen Baum ein Alphabet kodiert, so kann man aus gesendeten
0-1-Folgen die einzelnen Code-Werte eindeutig entnehmen. Z.B. bedeutet 00101110111
die Folge adfc.
Ermitteln Sie die Baumdarstellung des Präﬁxcodes aus den Worten 010, 011, 00111,
1010, 111001, 111010, 111011.
Durchmusterung der Kanten eines Graphen
Deﬁnition: Ein Baum, der ein spannender Teilgraph eines Graphen G ist, heißt spannender Baum; die restlichen Kanten heißen Sehnen.
Lemma 12.2 Ein Graph besitzt genau dann einen spannenden Baum, wenn er zusammenhängend ist.
Beweis: Aus der Existenz eines spannenden Baums folgt der Zusammenhang. Umgekehrt: Ein zusammenhängender Graph ist entweder ein Baum oder er enthält einen
Kreis. Wenn wir eine Kreis-Kante weglassen, bleibt der Rest-Graph zusammenhängend.
Der Rest-Graph ist einweder ein Baum oder er enthält einen Kreis. Und so weiter.
Wir betrachten zwei Methoden:
12 GRAPHEN
98
1. Breitensuche (breadth-ﬁrst-search)
Wir beﬁnden uns in einem Knoten. Als erstes durchlaufen wir alle angrenzenden
Kanten. Dann gehen wir zu einem Nachbarknoten und beginnen von vorn.
2. Tiefensuche (depth-ﬁrst-search)
Wir beﬁnden uns in einem Knoten. Wir betrachten eine noch nicht begangene
Kante und gehen zu deren anderen Endknoten und beginnen von vorn. Wenn es
nicht weitergeht, müssen wir umkehren (backtracking).
Wir betrachten die Tiefensuche genauer. Wir werden sehen, daß wir dadurch einen
spannenden Baum und eine Nummerierung der Knoten konstruieren können.
Algorithmus zur Tiefensuche:
x0 sei der Startknoten und N (x) die Nummer von x. Es entsteht der spannende Baum
B und die Menge der Rückkehrkanten R besteht aus den übrigbleibenden Sehnen.
1. x := x0 , i := 0, B := ∅, R := ∅, N (x) := 0 für alle x.
2. i := i + 1, N (x) := i
3. Wenn es eine noch nicht durchlaufene Kante (x, y) gibt, so gehe nach y; wenn
nicht, so gehe zu 5.
4. Wenn N (y) = 0 ist, so wurde y noch nicht besucht. Füge dann (x, y) zu B hinzu,
setze x = y und gehe zu 2.
Wenn 0 = N (y) < N (x), so war man schon in y. Füge dann (x, y) zu R hinzu
und gehe zu 3. (Nun sind wir wieder in x).
5. Wenn es eine Kante (z, x) ∈ R gibt, so gehen wir nach z zurück. Wir setzen x = z
und gehen zu 2.
Andernfalls ist x = x0 und wir haben alle Kanten durchlaufen.
Wir führen das an einem Beispiel durch:
x3
x2
❜
❜
✧
✧
✧ ❅
❜
❜
❜
✧
✧
❜
✧
✧
✧
✧
✧
✧
❜
❜
✧
❜✧
✧❜
✧
❜
❅
❅
❅
❅
x4
❜
❜
❜
❜
x1
x0
Wir können z.B. folgenden Durchlauf machen:
(x0 , x1 ), (x1 , x2 ), (x2 , x0 ), (x2 , x3 ), (x3 , x0 ), (x3 , x1 ), (x2 , x4 ), (x4 , x0 )
12 GRAPHEN
99
Dabei entsteht der spannende Baum B = {(x0 , x1 ), (x1 , x2 ), (x2 , x3 ), (x2 , x4 )} und als
Sehnen verbleiben R = {(x2 .x0 ), (x3 , x0 ), (x3 , x1 ), (x4 , x0 )}.
Die Tiefensuche hat folgende Eigenschaften.
1. Die Knoten werden mit 1, . . . , n numeriert und die Kanten erhalten eine Richtung,
sie werden orientiert.
2. Die Kanten im Baum bilden einen gerichteten spannenden Baum mit der Wurzel
x0 ; wenn eine Kante (x, y) zum Baum gehört, so gilt N (x) < N (y).
3. Die Kanten in R sind die Sehnen, aus (x, y) ∈ R folgt N (x) > N (y).
12.2
Gefädelte binäre Bäume
Um einen binären Baum darzustellen, merken wir uns zu jedem Knoten die Adressen LINKS, RECHTS seines linken und rechten Sohns. Wenn ein Sohn fehlt, wird diese
Adresse auf 0 gesetzt. Bei einem binären Baum mit n Knoten wird also Platz für n + 1
Nullen gebraucht.
Diesen Speicherplatz kann man sinnvoller nutzen, wenn man sich merkt, daß ein Sohn
fehlt (das braucht ein Bit) und sich lieber die Adressen des Vorgängers bzw. Nachfolgers
des aktuellen Knotens (bei einer ﬁxierten Durchlaufordnung) merkt. Solche Verbindungen eines Knotens zu seinem Vorgänger/Nachfolger heißen Fäden. Man braucht also
in jedem Knoten p eine 2-Bit-Information L(p), R(p) darüber, ob unter LINKS und
RECHTS die Adressen von Sohnen oder aber Fäden zu ﬁnden sind (es liegt nahe, hierfür
das Vorzeichen-Bit zu verwenden).
true
false
L(p) LINKS = Sohn
LINKS = Vorgänger
R(p) RECHTS = Sohn RECHTS = Nachfolger
Der folgende einfache Algorithmus gibt den Inorder-Nachfolger q = nach(p) eines
Knotens p an:
1. Wenn R(p) = false, dann q = RECHTS(p),
2. Wenn R(p) = true ist, so ersetze q durch LINKS(q), solange L(q) = true ist.
3. q ist der Inorder-Nachfolger von p.
Aufgabe: Erstellen Sie einen Algorithmus zur Bestimmung des Vorgängers von p.
Im folgenden Bild ist ein binärer Baum nebst Fäden zu den Inorder-Vorgängern bzw.
-Nachfolgern dargestellt:
1 2 3 4 5 6 7 8 9
links
2 4 5 0 3 5 8 8 7
rechts 3 1 7 2 6 3 9 7 0
t t t f f f t f f
L
t f t f t f t f f
R
12 GRAPHEN
100
Wir bemerken, daß zum Durchlauf eines gefädelten Baums kein Stack verwaltet werden
muß.
Der folgende Algorithmus fügt einen Knoten q als rechten Sohn des Knotens p ein, falls
p keinen rechten Sohn hatte; wenn der rechte Sohn vorhanden ist, wird q zwischen p
und rechts(p) eingefügt.
1. (Parameterübergabe) rechts(q) = rechts(p), R(q) = R(p), rechts(p) = q,
R(p) = true, L(q) = false, links(q) = p.
2. (War rechts(p) ein Faden?) Wenn R(q) = true, so setze links(nach(q)) = q.
Dabei bestimmt man nach(q) mittels des obigen Algorithmus.
(Wenn links und rechts vertauscht werden, so ist nach durch vor zu ersetzen.)
Wir befassen uns num mit einer Darstellung gefädelter binärer Bäume im Computer.
Die Knoten mögen folgende Form haben:
L links
Typ
R rechts Inhalt
Es ist notwendig, alle Algorithmen so zu entwerfen, daß sie auch bei leeren binären
Bäumen korrekt arbeiten.
Wenn t die Adresse eines Baums ist, so sollte unter der Adresse nach(t) der Inhalt
des ersten Knotens stehen. Dazu fügen wir einen Kopf head ein, dies ist der folgende
Knoten:
Sohn Anfang
Sohn head
Wenn der Baum aber leer ist, setzen wir
Faden head
Sohn head
Der Baum wächst am linken Sohn des Kopfes. Die Fäden, die auf Null zeigen, werden
auf den Kopf gelenkt. In einer Feld-Darstellung eines Baums hätte der Kopf die Adresse
0; wir werden aber eine Listen-Darstellung von Bäumen verwenden, um mit mehreren
Bäumen gleichzeitig arbeiten zu können und dabei nicht für jeden (möglicherweise
leeren) Baum ein großes Feld bereitstellen zu müssen.
Algorithmus zu Bestimmung des Preorder-Nachfolgers q = pnach(p) des Knotens p
aus der Inorder-Fädlung:
1. Wenn L(p) = Sohn ist, setze q = links(p) und beende.
2. Setze q = p. Wenn R(p) = Sohn, gehe zu 3. Sonst wiederhole q = rechts(q),
bis R(q) = Sohn.
3. Setze q = rechts(q).
Das muß man mal probieren.
Kopieren binärer Bäume:
Am Anfang zeigt head auf t, u zeigt auf u (leerer Baum); am Ende zeigt u auf t.
12 GRAPHEN
101
1. p = head, q = u, gehe zu 4.
2. (Ist rechts etwas?) Wenn p einen nichtleeren rechten Unterbaum hat, so beschaﬀe
einen neuen Knoten r und füge r rechts von q ein.
3. Info(q) = Info(p) (alles kopieren.)
4. (Ist links etwas?) Wenn p einen nichtleeren linken Unterbaum hat, beschaﬀe r
und füge r links von q ein.
5. (Weitersetzen) p = pnach(p), q = pnach(q)
6. Wenn p = head ist (das ist genau dann der Fall, wenn q = rechts(u), falls u
einen nichtleeren rechten Unterbaum hat), so beende; sonst gehe zu 2.
Wir werden versuchen, derartige Baumstrukturen zur Formelmanipulation zu verwenden.
12.3
Paarweises Addieren
Wir haben dieses Problem schon am Anfang besprochen. Es soll ni=1 = ((a1 +a2 )+(a3 +
a4 ) + · · · berechnet werden. Dazu stellen wir uns einen binären Baum mit n Blättern
vor, in denen wir die ai eintragen. Dann belegen wir schrittweise jeden Knoten durch
die Summe seiner Söhne, die wir daraufhin entfernen. In der Wurzel erhalten wir die
Summe.
Das folgende Programm stellt eine einfache Implementation dieses Gedankens dar.
static public class paar
{
int bb = 8000;
float t[] = new float[bb * 2]
float s, v;
public static int nextpower(w)
{
int w, p2 = 1;
while (w > p2)
p2= p2 * 2;
return p2;
}
public static void main(String a[])
{
int i, k, kk;
kk= bb;
k= nextpower(kk);
12 GRAPHEN
102
for (i = k, i <= kk+k-1; i++)
{
v = Math.random();
t(i) = v * i;
}
for (i = kk+k; i <= 2*k; i++)
t[i]= 0.0;
while (k > 1)
{
i = 0;
while (i < k)
{
t[(k+i)/2] = t[k+i] + t[k+i+1];
i = i + 2;
}
k= k / 2;
}
}
12.4
Baum-Darstellung des Speichers
Unter dem Gesichtspunkt der Langzahlarithmetik erscheint es als sinnvoll, den Speicher
in Blöcken der Größe 2k , 2k+1 , . . . , 2m zu organisieren (bei der Multiplikation verdoppelt sich der Platzbedarf). Zwei benachbarte Blöcke der Größe 2i können zu einem
Block der Größe 2i+1 verbunden werden.
Wir stellen uns also den Speicher als binären Baum, also hierarchisch geordnet, vor.
✘✉

✘

✘✘✘
✘✘✘
✘
✘✘
✘
✉
✘

✘

✘✘✘
✘
❡
✉
❍
✟
❍
✟✟❍❍
✟
❍❡
❍✉
✟
✟
✉
❡
❅
❅
❅
❅❡
✉ ❅✉
✉ ❅❡
❡ ❅❡
❡ ❅


❡
✘✘
✘

✘ ✘
✘
❡
❡
❍
✟
❍
✟✟❍❍
✟
❍❡
❍❡
✟
✟
❡
❡
❅
❅
❅
❅❡
❡ ❅❡
❡ ❅❡
❡ ❅❡
❡ ❅
Jeder Vater der Größe m hat zwei Söhne der Größe m/2. Wir teilen jedem Knoten mit,
ob er frei ist — in diesem Fall sind auch all seine Nachkommen frei, oder ob er besetzt ist
— in diesem Fall sind auch all seine Vorgänger besetzt (d.h. nicht im ganzen Ausmaß
zu vergeben). Wenn ein Vater besetzt ist, so kann man bei den Söhnen nachfragen,
welcher ggf. frei ist. Der Baum möge N Blätter besitzen, er hat also die Tiefe log(N ).
Wie wir früher gesehen haben, sind die Adressen der Söhne in einem binären Baum
leicht aus der des Vaters zu berechnen (und umgekehrt), wenn der Baum in einem
linearen Feld dargestellt wird.
Es sind also folgende Operationen nötig:
Wenn ein freier Block der Größe s gesucht wird, so durchläuft man im entsprechenden
Niveau des Baums alle Knoten, bis man einen freien gefunden hat. Die Blöcke der
12 GRAPHEN
103
Größe s haben die Tiefe t = ld(N ) − ld(s) − 1, sie haben die Nummern 2t , . . . , 2t+1 − 1.
Wenn ein freier Knoten i gefunden wurde, so sind all seine Vorfahren i div 2, i div 4, . . .
als belegt zu melden, und die Knoten des Unterbaums mit der Wurzel i ebenfalls. Den
Unterbaum durchlaufen wir mit einer der behandelten Durchlaufungsmethode.
Wenn ein Knoten freigegeben wird, sind die Nachkommen freizugeben. Wenn der Bruder auch frei ist, so ist der Vater freizugeben und mit diesem ist ebenso zu verfahren.
Aus der Nummer eines gefundenen freien Knotens berechnet man die Stelle in memo,
wo man seine Daten eintragen kann.
Es folgt eine Implementation:
import java.io.*;
public class baum
{
public static int MaxLevel = 7, N = 128, LU = N / 2, Width = N * 2;
// N = 2 ^ maxlevel, LU = N / 2 (= linke untere Ecke
public static boolean tree[] = new boolean[N + 1];
public static int ld(int i) //
{
int l, j;
l = -1;
j = 1;
while (j < i)
{
j = j * 2;
l++;
}
return l + 1;
}
public static int two2(int i)
{
int j, t = 1;
for (j = 1; j <= i; j++)
t = 2 * t;
return t;
}
public static int left(int i)
{
if (i < LU)
return 2*i;
else
{ Log zur Basis 2 }
12 GRAPHEN
104
return 0;
}
public static int right(int i)
{
if (i < LU)
return 2*i + 1;
else
return 0;
}
public static int father(int i)
{
if (i > 0)
return i/2;
else
return 0;
}
public static int brother(int i)
{
if (2*(i/2) != i)
// odd
return i - 1;
else
return i + 1;
}
public static int search4(int s) //
{
int z, i;
z = two2(ld(N) - ld(s) - 1);
for (i = z; i <= 2*z - 1; i++)
if (tree[i])
return i;
if (!tree[2*z - 1])
return 0;
return 0;
}
{ sucht einen Platz der groesse s }
public static void putinorder(int i, boolean b)
{
int[] stack = new int[LU];
int j = i, st = 0;
while (true)
{
12 GRAPHEN
105
while (j != 0)
{
st++;
stack[st] = j;
j = left(j);
}
if (st > 0)
{
j = stack[st];
st--;
tree[j] = b;
j = right(j);
}
if ((st <= 0) && (j > 0))
break;
}
}
public static void get(int i)
{
int j = i;
while (tree[j])
{
tree[j] = false;
j = j / 2;
}
putinorder(i, false);
}
public static void free(int i)
//gibt Stelle i frei
{
boolean weiter = true;
while (weiter)
{
if (i == 1)
break;
tree[i] = true;
putinorder(i, true);
System.out.print(" freigegeben: " + i);
if (tree[brother(i)])
//unterhalb von i kann nichts frei sein }
i = father(i);
else
weiter = false;
}
}
12 GRAPHEN
106
static char bild[][] = new char[MaxLevel+2][Width+2];
public static void drawtree(int Level)
{
int x, i, j, C;
if (Level < MaxLevel)
drawtree(Level + 1);
x = Width / two2(Level);
C = Width / two2(Level - 1);
j = two2(Level - 1);
for (i = 0; i < j; i++)
{
if (tree[j + i])
{
bild[Level][x] = ’<’;
bild[Level][x+1] = ’>’;
}
else
{
bild[Level][x] = (char)((i+j) / 10 + 48);
bild[Level][x+1] = (char)((i+j) % 10 + 48);
}
x = x + C;
}
}
public static void main(String arg[])
{
int i;
for (i = 1; i <= N; i++)
tree[i] = true;
System.out.println("belegte Bloecke");
drawtree(1);
for (i = 0; i < MaxLevel; i++)
System.out.println(bild[i]);
while (true)
{
System.out.print("(zum Freigeben: 0); angeforderte Blockgroesse: ");
i = B.readint();
if (i <= 0)
break;
i = search4(i);
if (i == 0)
{
12 GRAPHEN
107
System.out.println("kein Platz");
break;
}
get(i);
System.out.println("Nummer des belegten Blocks: " + i);
System.out.println("belegte Bloecke");
drawtree(1);
for (i = 0; i < MaxLevel; i++)
System.out.println(bild[i]);
System.out.println();
}
while (true)
{
System.out.print("(zum Belegen: 0); streiche Block mit Nummer: ");
i = B.readint();
if (i <= 0)
break;
free(i);
System.out.println("belegte Bloecke");
drawtree(1);
for (i = 0; i < MaxLevel; i++)
System.out.println(bild[i]);
System.out.println();
}
}
}
12.5
Balancierte Bäume
Ein binärer Baum heißt balanciert, wenn für jeden Knoten gilt: Die Höhne des rechten
und des linken Unterbaums unterschieden sich höchstens um 1.
s
❅
s
s
❅s
s ❅
❆❆s ✁s✁❆❆s
❆❆s
❅
❅s
❅s
s ❅
❅s
s ❅
Zum Beispiel:
Es ist klar, daß die Suche in balancierten Bäumen eﬀektiver als in unbalancierten
durchgeführt werden kann.
12 GRAPHEN
108
A
A
❅
❅
❅
❅
❅
❅B
a
❅
❅
b
❅
❅B
a
❅
c
❅
❅
C
d
❅
❅
c
b
X
X
Beim Einfügen eines Knotens (bei X) kann die Balance verlorengehen. Dabei sind zwei
Fälle möglich (Die durch Kästen dargestellten Unterbäume haben die Höhe h, h −
1, h + 1):
Durch Rotieren“ kann sie wiederhergestellt werden.
”
B
C
◗
❅
◗
◗
◗
❅
❅
❅
A
a
❅
❅
b
◗◗B
A
c
a
❅
❅
b
c
❅
❅
d
13 COMPUTERALGEBRA
13
13.1
109
Computeralgebra
Langzahlarithmetik: Rohe Gewalt
Zu Beginn will ich eine sehr einfache Implementierung für eine Langzahlarithmetik
angeben, die zwar sehr durchsichtig, aber nicht sehr eﬃzient ist.
program big10
integer a(60), b(60), c(60), zehn, w
1
5
30
common zehn
format (’+’, A)
zehn = 10
print *, ’ ’
write (*, 1) ’a :’
call eingabe(a)
call ausgabe(a)
write (*, 1) ’b :’
call eingabe(b)
write (*, 1) ’a + b :’
call add(a, b, c)
call ausgabe(c)
write (*, 1) ’a - b :’
call sub(a, b, c)
call ausgabe(c)
call mult(a, b, c)
write (*, 1) ’a * b :’
call ausgabe(c)
w = 10
call power(a, w, c)
call ausgabe(c)
goto 5
end
subroutine put9(zahl)
integer zahl(60), i, zehn
common zehn
do i= 1 , 60
zahl(i)= zehn-1
end do
end
10
20
subroutine kontr (a)
integer a(60), i
format (60I2)
write (*, 30) (a(i), i = 1, 60)
read (*, ’(A)’) c
end
subroutine init(zahl)
integer zahl(60)
integer i
do i= 1 , 60
zahl(i)= 0
end do
end
+
+
+
subroutine ausgabe (zahl)
integer zahl(60)
character*60 s
character blank
parameter (blank = ’.’)
integer i
logical fuehrendenull
fuehrendenull= .true.
print *, ’ ’
format (’+’, A)
format (’+’, I1)
do i= 1 , 60
if (fuehrendenull .and.
(zahl(i) .eq. 0) .and.
(i .lt. 60))
then
s(i:i) = blank
else
s(i:i) = char(zahl(i) + ichar(’0’))
fuehrendenull= .false.
end if
end do
print *, s
print *, ’ ’
end
13 COMPUTERALGEBRA
subroutine malzehn(zahl1, zahl2)
integer zahl1(60), zahl2(60)
integer i
if (Zahl1(1) .ne. 0) then
print *, ’Ueberlauf * 10’
stop
else
do i= 2 , 60
zahl2(i-1)= zahl1(i)
end do
zahl2(60)= 0
end if
end
subroutine setze(zahl, wert)
integer zahl(60), wert, i, zehn
common zehn
call init(zahl)
i= 60
do while (wert .gt. 0)
zahl(i)= mod(wert, zehn)
wert= wert / zehn
i = i - 1
end do
end
subroutine add(s1, s2, summe)
integer s1(60), s2(60), summe(60)
integer i, carry, zehn
common zehn
carry= 0
i= 60
do while (i .gt. 0)
carry= s1(i) + s2(i) + carry / zehn
summe(i)= mod(carry , zehn)
i = i - 1
end do
if (carry .gt. zehn-1) then
print *, ’Ueberlauf +’
stop
end if
end
110
subroutine sub(s1, s2, diff)
integer s1(60), s2(60), diff(60)
integer i, carry, zehn
common zehn
carry= 0
do i= 60, 1, -1
carry= s1(i) - s2(i) + carry
if (carry .lt. 0) then
diff(i)= carry + zehn
carry= -1
else
diff(i)= carry
carry= 0
end if
end do
end
integer function anf(a)
integer a(60)
integer i
i= 1
do while ((i .le. 60) .and. (a(i) .eq. 0))
i = i + 1
end do
anf= i
end
subroutine mult (f1, f2, produkt)
integer f1(60), f2(60), produkt(60), i, anf
integer prod(60), f2no(60)
f2no= f2
call init(prod)
i= anf(f2no)
do while (i .le. 60)
call malzehn(prod, prod)
do while (f2no(i) .gt. 0)
call add(f1, prod, prod)
f2no(i) = f2no(i) - 1
end do
i = i + 1
end do
produkt= prod
end
13 COMPUTERALGEBRA
+
111
integer function length(s)
character*60 s
integer i
i = 1
do while ((s(i:i) .ge. ’0’)
.and. (s(i:i) .le. ’9’))
i = i + 1
end do
length = i - 1
end
subroutine eingabe(a)
integer a(60), length
character*60 s
integer h(60), g(60)
integer i
read (*, ’(A60)’) s
call init(a)
do i= 1 , length(s)
call setze(h, ichar(s(i:i)) - ichar(’0’))
call malzehn(a, g)
call add(g, h, a)
end do
end
subroutine power(a, hoch, a2)
integer a(60), a2(60), acopy(60)
integer hoch
acopy= a
call setze(a2, 1)
do while (hoch .gt. 0)
call mult(acopy, a2, a2)
hoch = hoch - 1
end do
end
13.2
Wirkliche Langzahlarithmetik
Im diesem Abschnitt werden wir sehen, wie (innerhalb der durch den Rechner gesetzten
Speichergrenzen) eine exakte Arithmetik zu implementieren ist. Als Hilfsmittel dazu
ist eine verfeinertere Arithmetik für lange ganze Zahlen nötig, mit der wir uns hier
befassen.
Wir beginnen nicht mit natürlichen Zahlen, sondern wollen uns auch das Vorzeichen
einer Zahl merken.
Wir stellen eine ganze Zahl n in einem Stellensystem dar, wie dies seit der Einführung
der arabischen Zahlen üblich ist. Dazu wählen wir eine Basiszahl B > 1 und können
die Zahl n in eindeutiger Weise als
L
ni B i , 0 ≤ ni < B,
n=0
darstellen, die Werte n0 , n1 , . . . , nL nennen wir die Ziﬀern der Zahl n, die Zahl L nennen
wir die Länge von n.
13 COMPUTERALGEBRA
112
Wenn wir B ≤ 256 wählen, passen die ni jeweils in ein Byte, bei B ≤ 65536 = 216
passen sie in ein Maschinenwort eines PC.
Um alle Informationen über unsere langen Zahlen anzuspeichern, gibt es mehrere
Möglichkeiten:
1. Wir legen eine maximale Zahllänge fest:
NumSize = 64
und legen die Ziﬀern einer langen Zahl in einem Feld ab:
type Digit = byte;
IntArr = array [1..NumSize] of Digit;
IntNumber = record
l: integer;
{ Länge }
m: IntArr;
{ Ziffernfolge }
n: boolean;
{ negativ ? }
end;
dies ist die einfachste Methode. Sie hat zwei Nachteile: Bei kurzen Zahlen (l < NumSize)
wird Speicherplatz verschenkt, andererseits addieren sich bei Multiplikationen oft die
Längen der Faktoren, die vorgegebene Maximalgrenze ist schnell erreicht.
2. Wir legen nur die notwendigen L Ziﬀern in einer verketteten Liste ab:
type IntList = POINTER TO NatNumRec;
IntNumRec = record
m: Digit;
{ Ziffer }
n: boolean;
{ negativ ? }
f: IntList; { Adresse der nächsten Ziffer }
end;
So können wir wirklich“ beliebig lange Zahlen anspeichern, üblicherweise weist man
”
der letzten gültigen Ziﬀer im Feld f eine leicht zu erkennende Adresse zu, etwa NIL (=
0). Wenn man eine neue Zahlvariable belegen will, muß man sich zuerst Speicherplatz
für diese Variable holen, dafür gibt es Allockierungsfunktionen (z.B. NEW). Für eine
Zahl der Länge L benötigen wir L * (SizeOf(byte) + SizeOf(ADDRESS)), auf einem
PC also 5L Byte. Diese Möglichkeit ist (wegen der gefallenen Schranke) besser als die
erste, aber sehr speicherintensiv.
Warum haben wir eigentlich nur ein Byte für eine Ziﬀer verwendet, man könnte auch ein
Wort (= CARDINAL) oder einen noch größeren Speicherbereich (LongWord, LONGCARD) verwenden. Nun, die Rechenoperationen mit langen Zahlen werden später auf
Rechenoperationen mit Ziﬀern zurückgeführt werden, und auf der Maschinenebene gibt
es elementare Befehle, die diese Operationen mit Bytes ausführen. Das Produkt von
zwei Bytes paßt in ein Doppelbyte, dies läßt sich leicht in zwei Bytes zerlegen. Wir
können also als Ziﬀerntyp den größten Typ von Maschinenzahlen wählen, für den es
einen doppeltsogroßen Maschinenzahltyp gibt.
Wenn wir also neu
type Digit = CARDINAL;
festlegen, so sinkt der Adressierungsaufwand.
13 COMPUTERALGEBRA
113
3. Als Kompromiß zwischen beiden Varianten bietet es sich an, die Ziﬀern in einem
dynamischen Feld zu speichern, dies ist zwar echt begrenzt, aber die Grenze ist doch
recht hoch:
Wir beginnen von vorn:
const NumSize = 32000;
type Digit = CARDINAL;
IntArr = array[1..NumSize] of Digit;
IntRec = record
l: integer;
{ Länge }
n: boolean;
{ negativ ? }
m: IntArr;
{ Ziffernfolge }
end;
IntNumber = POINTER TO IntRec;
Beachten Sie bitte, daß im Gegensatz zur allerersten Methode das Record-Feld m, dessen Größe variabel ist, als letztes in der Deﬁnition des Datentyps aufgeführt ist. Der
Speicherplatz für solch ein Record wird in dieser Reihenfolge angelegt, wenn n hinter
m käme, würde diese Eintragung an einer Stelle erfolgen, für die gar kein Speicherplatz
angefordert wird.
Bevor wir eine Variable N vom Typ IntNumber belegen können, müssen wir hierfür
Speicherplatz holen. Hier ist die Verwendung von NEW unangemessen, denn wir wollen
ja für eine Zahl der Länge L nur L * SizeOf(Digit)+SizeOf(integer)+SizeOf(boolean)
Bytes belegen. Also verwenden wir
ALLOCATE(N, L· SizeOf(Digit)+SizeOf(integer)+SizeOf(boolean));
Die maximale auf diese Weise darstellbare Zahl hat etwa 20000 Dezimalstellen (etwa
10 A4-Druckseiten), das dürfte (für’s erste) reichen.
Wenn wir aus zwei Zahlen X, Y eine neue Zahl Z berechnen wollen, müssen wir den
Platzbedarf von Z kennen. Hierfür hat man folgende Abschätzungen:
Falls Z = X + Y oder Z = X − Y , so ist die Länge LZ von Z kleiner oder gleich
Max(LX , LY ) + 1. Falls Z = X · Y und X, Y = 0 sind, so ist LZ ≤ LX + LY .
Bevor wir mit den arithmetischen Operationen beginnen, wollen wir überlegen, wie die
Basis B unseres Zahlsystems zweckmäßigerweise gewählt werden sollte.
Wenn wir für B eine Zehnerpotenz wählen, so sind die Ein- und Ausgabeoperationen
sehr leicht zu implementieren. Leider sind diese Operationen diejenigen, die am allerseltensten aufgerufen werden, meist nur am Beginn und am Ende eines Programmlaufs.
Wenn wir B = 32768 setzen, so bleibt das höchste Bit jeder Ziﬀer frei, wie im Fall von
B = 10k wird so Speicher verschenkt. Wir haben oben die Festlegung
Digit = byte
durch
Digit = CARDINAL
ersetzt. Der Grund für diese Änderung (Adressierungsaufwand) ist inzwischen entfallen, wir verwenden ja dynamische Felder. Jenachdem, für welche Ziﬀer-Größe man sich
entscheidet, wäre B = 256 oder B = 65536 zu wählen. Die internen Darstellungen
einer Zahl auf diese oder die andere Weise unterscheiden sich um kein Bit, nur die
13 COMPUTERALGEBRA
114
Länge L ist im ersten Fall doppelt so groß wie im zweiten. Wenn im folgenden also Laufanweisungen der Länge L (oder gar der Länge L2 ) auftreten, ist eine kürzere
Darstellungslänge eventuell von Vorteil. Da im Fall B = 65536 ständig CARDINALs
auf LONGCARDs gecastet“ und LONGCARDs in CARDINALs zerlegt werden, läßt
”
sich die richtige Wahl nicht rechner- und compilerunabhängig treﬀen. Man erlebt die
größten Überraschungen.
Wir beginnen nun mit der Beschreibung von Implementationen der Rechenoperationen.
Wir deﬁnieren zunächst
CONST basis = LONGCARD(65536);
Die einfachste Operation ist die Addition von Zahlen gleichen Vorzeichens. Die enstprechenden Stellen der Summanden werden als LONGCARDs addiert, der Rest w mod
basis ist die entsprechende Stelle der Summe, der Quotient w basis ist der Übertrag,
er ist gleich 0 oder 1.
PROCEDURE al(a, b: IntNumber;
VAR c: IntNumber);
(* Add longs, signs are equal *)
VAR i, max, min, w: LONGCARD;
cc: IntNumber;
BEGIN
IF a^.l > b^.l THEN
min := b^.l; max := a^.l
ELSE
min := a^.l; max := b^.l;
END;
newl(c, max + 1);
{ allockiert Platz f"ur c }
clear(c);
{ belegt c mit Nullen }
w:= 0;
FOR i:= 1 TO min DO
w:= w + a^.m[i] + b^.m[i];
c^.m[i]:= w MOD basis;
w:= w DIV basis;
END;
{ a oder b ist abgearbeitet }
IF max = l THEN
{ von a noch ein Rest }
FOR i:= min + 1 TO max DO
w:= w + a^.m[i];
c^.m[i]:= w MOD basis;
w:= w DIV basis;
END
ELSE
{ oder von b noch ein Rest }
FOR i:= min + 1 TO max DO
w:= w + b^.m[i];
c^.m[i]:= w MOD basis;
w:= w DIV basis;
END;
END;
IF w>0 THEN
{ an letzter Stelle "Ubertrag? }
c^.m[max +1]:= w;
ELSE
newl(cc, c^.l-1);
{ sonst c verk"urzen }
cc^.n:= c^.n;
FOR i:= 1 TO cc^.l DO
cc^.m[i]:= c^.m[i];
END;
lrWegl(c);
{ altes c wegwerfen }
c:= cc;
END;
c^.n:= a^.n;
END al;
Wir kommen nun zur Subtraktion, und zwar dem einfachen Fall, daß die Operanden das
gleiche Vorzeichen haben und der Subtrahend den größeren Betrag hat. Die einzelnen
Stellen werden als LONGINTs subtrahiert und ein Übertrag von der nächsthöheren
Stelle des Subtrahenten subtrahiert.
13 COMPUTERALGEBRA
PROCEDURE sl(a, b: IntNumber;
VAR c: IntNumber);
(* Subtract longs,
signs are equal, a > b *)
VAR i, j, jj: CARDINAL; cc: IntNumber;
lh, li, ln, lb: LONGINT;
BEGIN
newl(c, a^.l);
clear(c);
{ c:= 0 }
ln := a^.m[1];
FOR i:= 1 TO b^.l DO
{ zun"achst a und b }
li:= ln ;
ln := a^.m[i+1];
lb:=(b^.m[i];
lh:= li - lb;
IF lh < 0 THEN
{ "Ubertrag }
DEC(ln);
INC(lh, basis);
END;
c^.m[i]:= lh;
END;
FOR i:= b^.l+1 TO a^.l DO
{ nun Rest von a }
li:= ln ;
ln := a^.m[i+1];
115
IF li < 0 THEN
DEC(ln);
INC(li, basis);
END;
c^.m[i]:= li;
END;
j:= l;
WHILE (j>0) AND (c^.m[j]=0) DO
{ wieweit ist c belegt ? }
DEC(j);
END;
IF j=0 THEN
lrWegl(c);
{ c = 0 }
RETURN;
END;
IF j < a^.l THEN
newl(cc, j);
{ c verk"urzen }
clear(cc);
FOR i:= 1 TO j DO
cc^.m[i]:= c^.m[i];
END;
lrWegl(c);
c:= cc;
END;
c^.n:= a^.n;
{ Ergebnis hat Vorzeichen
der gr"o"seren Zahl }
END sl;
Nun kommt der allgemeine Fall der Addition und Subtraktion ganzer Zahlen.
PROCEDURE add(a, b:IntNumber;
VAR c: IntNumber);
(* c:= a + b *)
VAR s: CARDINAL;
BEGIN\p
IF a^.n = b^.n THEN
{ gleiches Vorzeichen }
al(a,b,c)
ELSE\p
s:= compabs(a, b);
{ Vergleiche Absolutbetr"age }
CASE s OF
2: sl(b, a, c);
{ b > a }
|1: sl(a, b, c); { a > b }
|0: c:= NIL;
{ a = b }
END;
END;
END add;
PROCEDURE sub(a, b:IntNumber;
VAR c: IntNumber);
(* c:= a - b *)
VAR s: CARDINAL;
BEGIN
IF a=NIL THEN { wenn a = 0 }
lrCopi(b, c);
{ c:= b }
IF c$<>$NIL THEN
c^.n:= NOT c^.n { c:= -c }
END;
RETURN;
END;
IF b=NIL THEN { wenn b = 0 }
lrCopi(a, c); { c:= a }
RETURN;
END;
13 COMPUTERALGEBRA
116
IF a^.n <> b^.n THEN
{ verschiedene Vorzeichen ? }
al(a,b,c) { dann addieren }
ELSE
s:= compabs(a, b);
{ sonst Vergleich }
CASE s OF
1: sl(a, b, c);
{ a > b }
|2: sl(b, a, c);
c^.n:= NOT b^.n;
{ a < b, Vorzeichen ! }
|0: c:= NIL;
{ a = b }
END;
END;
END sub;
Wir kommen nun zur Multiplikation.
Zunächst führen wir eine Hilfsprozedur an, die ein eﬀektiver Ersatz für folgende Prozeduraufrufe ist:
al(a, b, c);
{ hier steckt mindestens eine Allockierung dahinter }
wegl(a); a:= c;
Die Variable a wird nur einmal angelegt.
PROCEDURE a2((*VAR*) a, b: IntNumber);
(* a:= a + b, signs are equal,
FOR i:= min +1 TO max DO
a already exists ! *)
w:= w + a^.m[i];
VAR i, max, min : INTEGER;
m[i]:= w MOD basis);
w: LONGCARD;
w:= w DIV basis;
BEGIN
END;
min:= b^.l; max:= a^.l; w:= 0;
IF w>0 THEN
WITH a^ DO
m[max +1]:= w;
FOR i:= 1 TO min DO
END;
w:= w + a^m[i] + b^.m[i];
END;
m[i]:= w MOD basis;
END a2;
w:= w DIV basis;
END;
Die Multiplikation wird genauso durchgeführt, wie Sie es in der Schule gelernt haben:
Ein Faktor wird mit einer einstelligen Zahl multipliziert und das Ergebnis wird verschoben, dies leistet die Unterprozedur mh. Diese Werte werden aufaddiert, dies leistet a2.
Zu beachten ist, daß die Länge der abzuarbeitenden FOR-Schleife für die Rechenzeit
eine wesentliche Bedeutung hat; es wird die kürzere Schleife gewählt.
(Die von nun an auftretenden Vorsilbe lr“ in den Prozedurnamen wird verwendet, um
”
daran zu erinnern, daß es sich um Operationen mit langen rationalen Zahlen handelt.
13 COMPUTERALGEBRA
117
PROCEDURE lrMl(a, b:IntNumber;
VAR c: IntNumber);
(* mult long, c:= a * b *)
VAR hh: IntNumber;
la, lb, i, j, hl: CARDINAL;
h: LONGCARD;
PROCEDURE mh(a: IntNumber;
b: LONGCARD;
s: CARDINAL);
VAR i: CARDINAL;
BEGIN
h:= 0;
WITH a^ DO
FOR i:= 1 TO l DO
h:= h + m[i] * b;
hh^.m[i+s]:= h MOD basis;
h:= h DIV basis;
END;
hh^.m[l+s+1]:= ORD(h);
END;
IF h=0 THEN
hh^.l:= a^.l+s
ELSE
hh^.l:= a^.l+s+1;
END;
END mh;
BEGIN (* lrMl*)
la:= a^.l; lb:= b^.l;
hl:= la+lb;
newl(c, hl); clear(c);
newl(hh, hl); clear(hh);
IF la < lb THEN
{ k"urzere Schleife au"sen ! }
FOR i:= 1 TO la-1 DO
IF a^.m[i]<>0 THEN
mh(b, a^.m[i], i-1);
a2(c, hh);
FOR j:= i TO hh^.l DO
hh^.m[j]:= 0;
END;
END;
END;
mh(b, a^.m[la], la-1);
a2(c, hh);
ELSE
FOR i:= 1 TO lb-1 DO
IF b^.m[i]<>0 THEN
mh(a, b^.m[i], i-1);
a2(c, hh);
FOR j:= i TO hh^.l DO
hh^.m[j]:= 0;
END;
END;
END;
mh(a, b^.m[lb], lb-1);
a2(c, hh);
END;
IF c^.m[hl]=0 THEN
shrink(c);
END;
c^.n:= a^.n <> b^.n;
hh^.l:= hl;
lrWegl(hh);
END lrMl;
Nun kommen wir zur Division, das war schon in der Schule etwas schwieriger. Gegeben
sind zwei Zahlen
ai B i und b =
bi B i ,
a=
gesucht sind Zahlen q und r mit
a = bq + r, 0 ≤ r < b.
Wenn a < b sein sollte, setzen wir q = 0 und r = a und sind fertig. Andernfalls muß
man die einzelnen Stellen von q nun erraten. Wir bezeichnen wieder mit L(a) die Länge
der Zahl a. Als Länge von q ist etwa L(a) − L(b) zu erwarten, wir setzen
Q = aL(a) div bL(B)
q = Q · B L(a)−L(b)
und prüfen, ob
0 ≤ r = a − bq < b
ist. Wenn nicht, so haben wir zu klein geraten, wir erhöhen Q, oder r ist negativ, dann
haben wir zu groß geraten, wir erniedrigen Q und probieren es nochmal. Wenn r endlich
im richtigen Bereich liegt, haben wir die erste Stelle von q gefunden, wir ersetzen nun
a durch r und berechnen in analoger Weise die nächste Stelle von q.
13 COMPUTERALGEBRA
118
Das beschriebene Falschraten“ kann sehr häuﬁg vorkommen und die Rechenzeit er”
heblich belasten. Seit Erscheinen der Algorithmenbibel von D. Knuth wird allenthalben
vorgeschlagen, die Zahlen a und b durch Erweitern“ so anzupassen, daß b ≥ B/2 ist,
”
dadurch ist gesichert, daß der geratene Quotient Q um höchstens 2 vom richtigen Quotienten abweicht. Ich hatte dies erst nachträglich in meine Implementation eingefügt
und habe tatsächlich eine Beschleunigung erlebt.
Einen anderen Vorschlag hat W. Pohl (z.Z. Kaiserslautern) gemacht, der deutlich besser
ist:
Wir handeln den Fall, daß b eine einstellige Zahl ist, extra ab, das ist auch recht einfach.
Nun bilden wir aus den jeweils beiden ersten Stellen von a und b Long-Cardinal-Zahlen
und wählen deren Quotienten als Näherung für Q, da liegen wir schon ganz richtig.
Ich will uns den Abdruck der Divisionsprozedur ersparen, die nimmt etwa zwei Druckseiten ein.
Die vorgestellten Prozeduren für die Grundrechenarten sind in Pascal oder MODULA
geschrieben. Bei der Multiplikation sehen Sie, daß häuﬁg Wort-Variable auf LongintVariable gecastet“ werden, weil das Produkt zweier 16-Bit-Zahlen eben eine 32-Bit”
Zahl ist. Es ist vorstellbar, daß man eﬀektiver arbeiten könnte, wenn man die Fähigkeiten des Prozessors besser nutzen würde. Henri Cohen schreibt, daß eine Beschleunigung
um den Faktor 8 erreicht werden würde, wenn man in Assemblersprache programmiert.
Meine Erfahrungen gehen noch weiter: In einer früheren Version meines CA-Systems,
wo die Zahllänge konstant war (64 Byte), hat Sven Suska für die Addition und die
Multiplikation Assembler-Routinen geschrieben, allein deren Einsatz brachte eine Beschleunigung um den Faktor 6. Auch für die Division hat er eine Routine geschrieben,
die leider den Nachteil hatte, ab und zu den Rechner zum Absturz zu bringen. Wenn
sie aber fehlerfrei funktionierte, so erbrachte das nochmals eine Beschleunigung un den
Faktor 6. Assembler-Routinen sind allerdings schwer zu transportieren; die erwähnten
funktionierten nur im Real-Modus des 286er Prozessors, wo man maximal 500 KByte
Speicher zur Verfügung hat. Außerdem waren sie sehr umfangreich (über 18 KByte
Quelltext) und für einen Laien wie mich völlig unverständlich.
Cohen schlägt vor, nur einige Grundfunktionen in Assembler zu schreiben. Dazu sollen
zwei globale Variable namens remainder und overflow, die überall bekannt sind,
geschaﬀen werden. Die Zahl-Basis sei M = 2 16 , a, b und c seien vorzeichenlose 2Byte-Zahlen.
Die Grundfunktionen sollen folgendes leisten:
c
c
c
c
c
c
c
c
=
=
=
=
=
=
=
=
add(a, b)
addx(a, b)
sub(a, b)
subx(a, b)
mul(a, b)
div(a, b)
shiftl(a, k)
shiftr(a, k)
:
:
:
:
:
:
:
:
a + b = overflow * M + c
a + b + overflow = overflow * M + c
a - b = c - overflow * M
a - b - overflow = c - overflow * M
a * b = remainder * M + c
remainder * M + a = b * c + remainder
2^k * a = remainder * M + c
a * M / 2^k = c * M + remainder
Aus diesen kurzen Funktionen kann man dann die oben angeführten Prozeduren für
lange Zahlen zusammensetzen.
13 COMPUTERALGEBRA
119
Wir fahren fort.
Wir wollen den größten gemeinsamen Teiler zweier Zahlen bestimmen, dafür verwenden
wir den Euklidischen Algorithmus.
h:= x mod y;
solange h > 0 ist:
x:= y;
y:= x;
h:= x mod y;
ggT(x, y):= y;
Eine Variante des Euklidischen Algorithmus liefert für den größten gemeinsamen Teiler
g von a und b gleich seine Darstellung als Vielfachsumme: g = au + bv.
Das ist natürlich noch nicht der Weisheit letzter Schluß. Wenn die Eingabewerte die
Größenordnung N haben, so durchläuft der Euklidische Algorithmus etwa log(N )mal
eine Schleife, und jedesmal wird eine Langzahldivision durchgeführt. Der folgende Algorithmus von Lehmer verwendet überwiegend Wort-Divisionen. Die Zahlen a, b seien
gegeben, die Variablen ah, bh, A, B, C, D, T, q sind Worte, t und r sind lange
Zahlen, das Zeichen /“ bezeichnet die ganzzahlige Division.
”
1. Wenn b < M ist, so verwende den alten Algorithmus.
Sonst: ah = oberste Stelle von a,
bh = oberste Stelle von b,
A:= 1, B:= 0, C:= 0, D:= 1.
2. Wenn bh + C = 0 oder bh + D = 0, so gehe zu 4.
Sonst: q:= (ah + A)/(bh + C).
Wenn q <> (ah + B)/(bh + D) ist, so gehe zu 4.
(Hier kann ein "Uberlauf auftreten, den man abfangen mu"s.)
3. T:= A - q*C, A:= C, C:= T,
T:= B - q*D, B:= D, D:= T,
T:= ah - q*bh, ah:= bh, bh:= T,
gehe zu 2.
4. Wenn B = 0 ist, so sei t = a mod b, a:= b, b:= t, gehe zu 1.
(Hier braucht man Langzahlarithmetik, dieser Fall tritt jedoch
(angeblich) nur mit der Wahrscheinlichkeit 1,4/M = 0,00002 auf.)
Sonst: t:= A*a, t:= t + B*b, r:= C*a, r:= r + D*b, a:= t, b:= r,
Gehe zu 1.
Eine weitere Variante vermeidet Divisionen (fast) vollständig, es kommen nur Subtraktionen und Verschiebungen vor:
1. r:= a mod b, a:= b, b:= r.
(Hier wird ein einziges Mal dividiert, dieser Schritt kann auch
weggelassen werden. Von nun an haengt aber die Zahl der Schritte
nur noch von der Laenge der kleineren der eingegebenen Zahlen ab.)
2. Wenn b = 0 ist, so ist a das Ergebnis.
13 COMPUTERALGEBRA
120
Sonst: k:= 0,
solange a und b beide gerade sind: k:=
(Am Ende haben wir 2^k als genauen Faktor des
3. Wenn a gerade ist, so wiederhole a:= a/2, bis
Wenn b gerade ist, so wiederhole b:= b/2, bis
4. t:= (a-b)/2
wenn t = 0 ist, so ist 2^k*a das Ergebnis.
5. Solange t gerade ist, wiederhole t:= t/2.
Wenn t > 0 ist, so a:= t.
Sonst: b:= -t.
Gehe zu 4.
k + 1, a:= a/2, b:= b/2.
ggT.)
a ungerade ist.
b ungerade ist.
Als fünfte Grundrechenart wollen wir die Potenzierung betrachten. Es hat sicher nicht
viel Sinn, etwa ab bilden zu wollen, wobei auch der Exponent b beliebig lang ist, es reicht
vielleicht schon b < 32000. Wir verwenden einen Trick, der nicht b Multiplikationen
erfordert, sondern nur log(b) Operationen: Wir sehen es am Beispiel
a8 = ((a2 )2 )2 .
y:= 1;
w:= x;
solange exp > 0 ist:
wenn exp ungerade ist:
y:= y * w;
wenn exp > 1 ist:
w:= w * w;
exp:= exp div 2;
dann ist x^exp = y;
Auch dieser Algorithmus läßt sich verbessern, zwar nicht in der Anzahl der Rechenschritte, aber in der Größe der Operanden: Im folgenden Algorithmus wird im Schritt
3 immer mit derselben Zahl z multipliziert.
Um g n zu berechnen, benötigen wir die Zahl e mit 2e ≥ n < 2e+1 , um diese zu bestimmen, müssen die Bits von n durchmustert werden.
1. N:= n, z:= g, y:= z, E:= 2^e.
2. Wenn E = 1 ist, so ist y das Ergebnis.
Sonst: E:= E/2.
3. y:= y * y
Wenn N >= E ist, so N:= N - E, y:= y * z.
Gehe zu 2.
Man kann die Division vermeiden, wenn man sich die Bits von n anschaut:
1. N:= n, z:= g, y:= z, f:= e.
2. Wenn f = 0 ist, so ist y das Ergebnis.
13 COMPUTERALGEBRA
121
Sonst: f:= f - 1.
3. y:= y * y
Wenn bit(f, N) = 1 ist, so y:= y * z.
Gehe zu 2.
Zum Abschluß wollen wir uns dem Problem der Ein- und Ausgabe langer ganzer Zahlen
widmen, einem Fragenkreis, der in den einschlägigen Computeralgebra-Büchern ausgespart bleibt. Wir geben hier PASCAL-Prozeduren an, mit MODULA ist es nicht
ganz so einfach. Es versteht sich, daß die eingebauten“ Prozeduren zum Lesen von
”
2-Byte- oder Gleitkommazahlen nicht brauchbar sind. Wir lesen also eine Zeichenkette
wie ’123444444444444444444’ und wandeln diese in eine lange Zahl um, dazu lesen wir
(von links) Zeichen für Zeichen, wandeln es in eine Zahl um, multiplizieren mit 10 und
addieren die nächste Ziﬀer:
procedure readl(var a: IntNumber);
var s: string;
h, zehn: IntNumber;
i: integer;
begin
readln(s);
assic(10, zehn); { zehn := 10 }
a:= NIL;
for i:= 1 to Length(s) do
begin
mult(a, zehn, b);
assic(ord(s[i]) - ord(’0’), h);
{ h ist die Zahl, die das Zeichen s[i] darstellt }
wegl(a);
add(b, h, a);
wegl(b);
wegl(h);
end;
end;
Das Schreiben ist auch nicht schwierig, wir können aber die Ziﬀern nicht sofort ausgeben, weil wir sie von rechts nach links berechnen müssen:
procedure writel(a: IntNumber);
var s: string; q, r, zehn: IntNumber;
begin
s:= ’’;
while a <> NIL do
begin
divmod(a, zehn, q, r);
a:= q;
i:= r^.m[1];
i: integer;
13 COMPUTERALGEBRA
122
s:= char(i+ord(’0’)) + s;
{ das Zeichen der Ziffer i wird an s vorn angeh"angt }
end;
write(s);
end;
Wir sehen, daß wir bereits zur Ein- und Ausgabe die Rechenoperationen mit langen
Zahlen benötigen. Das macht den Test der Arithmetik etwas schwierig, da man sich
Zwischenergebnisse, etwa innerhalb der Prozedur divmod, nicht mit writel ausgeben
lassen kann.
13.3
Polynome und Formelmanipulation“
”
Wenn man bereits mit ganzen Zahlen rechnen kann, so ist die Implementation der
Grundrechenoperationen mit rationalen Zahlen sehr einfach: Eine rationale Zahl ist
ein Paar ganzer Zahlen, die wir Zähler bzw. Nenner nennen. Dann gilt
ad ± bc a c
ac a c
ad
a c
± =
, · = , : =
.
b d
bd
b d
bd b d
bc
(Wenn der Nenner verbotenerweise mal gleich Null sein sollte, passiert auch nichts
Schlimmes, jedenfalls kein Rechnerabsturz.)
Gelegentlich sollte man einen Bruch kürzen. Dazu bestimmt man den größten gemeinsamen Teiler von Zähler und Nenner und dividert diese durch den ggT.
Wir wollen nun mit Formeln rechnen. Wenn x, y, z Unbestimmte sind, so nennt man
einen Ausdruck wie 5x2 + 7xy + z 5 ein Polynom. Die Menge aller Polynome in x, y, z
mit Koeﬃzienten aus einem Körper K wird mit K[x, y, z] bezeichnet. Polynome kann
man addieren, subtrahieren, multiplizieren.
Wie stellt man Polynome im Rechner dar? Einen Term xi y j z k nennt man ein Monom.
Wenn man sich merkt, daß x die 1., y die 2., z die 3. Unbestimmte ist, so ist dieses
Monom durch seinen Exponentenvektor“ [i, j, k] eindeutig bestimmt. Wenn man die
”
Größe der Exponenten beschränkt, so ist die Zahl der möglichen Monome beschränkt,
man kann also ein Polynom folgendermaßen abspeichern:
Man numeriert alle möglichen Monome durch (es seien etwa N Stück), dann schaﬀt
man sich ein Feld mit N Komponenten und merkt sich zu jedem Monom den entsprechenden Koeﬃzienten. Wenn ein Monom in einem Polynom gar nicht vorkommt, ist
der entsprechende Koeﬃzient eben gleich Null.
Diese Darstellungsform wird die dichte“ genannt. Wir wollen uns aber auf die dünne“
”
”
Darstellung beziehen, die nur die wirklich vorkommenden Monome und ihre Koeﬃzienten speichert.
type monom = array[1..max ] of integer;
type polynom = Pointer to polrec;
polrec = Record
c: rat; (* Koeffizient *)
e: monom; (* Exponentenvektor *)
n: polynom;
13 COMPUTERALGEBRA
123
end;
In der Komponente n (= next) haben wir die Adresse des nächsten Summanden gespeichert, beim letzten Summanden setzen wir n = NIL.
Vernünftig ist es, die Monome nicht zufällig in so eine Liste einzutragen, man ordnet
sie am Besten der Größe nach. Wir brauchen also eine Vergleichsrelation für Monome.
Der Grad eines Monoms ist die Summe seiner Exponenten, der Grad eines Polynoms
ist das Maximum der Grade seiner Monome. Ein Monom soll größer als ein anderes
sein, wenn sein Grad größer ist. Für Monome vom Grad 1 legen wir eine Ordnung
willkürlich fest, etwa x > y > z. Für Polynome gleichen Grades können wir jetzt die
lexikographische Ordnung nehmen:
x3 > x2 y > xy 2 > y 3 > x2 z > y 2 z > z 3 .
Diese Grad-lexikographische Ordnung ist nur eine aus einer Vielzahl von Ordnungsmöglichkeiten. Man fordert aber gewöhnlich, daß für Monome p, q, r mit p > q auch
stets pr > qr gilt, dies ist hier erfüllt.
Nun können wir Rechenoperationen für Polynome implementieren:
Addition:
Seien zwei Polynome p, q gegeben, in beiden seien die Monome der Größe nach geordnet.
Wir schauen uns die jeweils größten Monome an. Es gibt drei Möglichkeiten:
1. p^.e > q^.e, dann übernehmen wir p^.e nebst seinem Koeﬃzienten in p + q und
ersetzen p durch p^.n.
2. p^.e < q^.e, dann übernehmen wir q^.e nebst seinem Koeﬃzienten in p + q und
ersetzen q durch q^.n.
3. p^.e = q^.e, dann bilden wir a = p^.c + q^.c, wenn a = 0 ist, so übernehmen wir
p^.e mit dem Koeﬃzienten a in p + q und ersetzen p durch p^.n und q durch q^.n.
Dies wiederholen wir, bis p und q abgearbeitet sind, also beide auf NIL zeigen.
Die Subtraktion ist analog zu behandeln.
Bei der Multiplikation bekandeln wir zuerst den Spezialfall, wo das Polynom q nur einen
Summanden besitzt. Hier ist einfach jeder Summand von p mit q^.c zu multiplizieren, zu
den Exponentenvektoren von p ist q^.e zu addieren. Da eventuell sehr oft mit derselben
Zahl q^.c zu multiplizieren ist, ist es ratsam, diese Zahl am Anfang zu kürzen.
Den allgemeinen Fall führen wir auf den Spezialfall zurück: Für jeden Summanden m
von q bilden wir m · p und addieren all diese Polynome.
Man kann ein Programm schreiben, daß eine eingegebene Zeichenkette in Blöcke zerlegt,
die z.B. als Zahlen
√ (12, 1, ...), als Bezeichner von Variablen (x, x1, ...), als Funktionswerte (sin(x), x, ...) usw. interpretiert und Regeln kennt, wie mit diesen Objekten
umzugehen ist, etwa cos(x + y) = cos(x) cos(y) − sin(x) sin(y). Man kann
√ dann symbolisch rechnen, auf numerische Werte kommt es gar nicht an (x = 5 wird nicht
berechnet, man weiß aber, daß x2 = 5 ist).
Wenn das Programm Diﬀerentiations- und Integrationsregeln kennt, so kann man (falls
das überhaupt geht), unbestimmte Integrale in geschlossener Form darstellen. Der
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
124
Rechner kann in Ruhe alle Tricks durchprobieren. Aus diesem Grund sind Computeralgebrasysteme bei theoretischen Physikern besonders beliebt.
Weit verbreitet sind folgende CA-Systeme, die meist sowohl als UNIX- als auch als
DOS-Version verfügbar sind:
• REDUCE von Anthony Hearns, einem Nestor der der Computeralgebra,
• MAPLE,
• DERIVE ist die Fortsetzung von muMath, neben der Software-Version ist es auf
einem TI-Taschenrechner fest verdrahtet“ (wie bekommt man dann ein Upda”
te?),
• Mathematica von Stephen Wolfram braucht ein knapp 1000 Seiten dickes Handbuch, und da steht noch gar nicht alles drin (steht in dem Buch), zu den Packe”
ges“ gibt es nochmals vier Handbücher.
• Macaulay von Stillman, Stillman und Bayer dient vor allem für Rechnungen in
der kommutativen Algebra, ebenso
• Singular (Gerd-Martin Greuel, Gerhard Pﬁster und andere) wurde in Berlin und
Kaiserslautern entwickelt; hierfür habe ich die Arithmetik und Matrixoperationen
beigesteuert.
Am Montag, dem 5.8.96, erzählte mir Gerhard Pﬁster, daß in KL der Wert einer 53-reihigen
Determinante mit ganzzahligen Einträgen der Größenordnung 1020 mittels aller verfügbarer
CA-Systeme berechnet wurde. Da keine Software mit Bestimmtheit völlig fehlerfrei ist, kann
man sich auf die Korrektheit eines Resultats nur dann verlassen, wenn man es auf unterschiedlichen Systemen veriﬁzieren kann. Die Rechenzeiten der Systeme unterschieden sich
heftig:
Maple
Reduce
Mathematica
Singular
500 h
80 h
20 h
0,5 h
Aber auch das Resultat war nicht immer dasselbe: Mathematica hatte ein anderes Ergebnis als
die anderen. Natürlich kann kein Mensch das Resultat überprüfen. Die Antwort von Wolfram
Research wegen des Fehlers lautete: Haben Sie nicht ein kleineres Beispiel?“
”
æ
14
Boolesche Algebren und Boolesche Funktionen
Deﬁnition:
Eine Menge B mit drei Operationen + : B × B −→ B, · : B × B −→ B und
¯: B −→ B sowie zwei ausgezeichnenten Elementen 0, 1 ∈ B heißt Boolesche Algebra,
wenn für a, b, c ∈ B folgende Rechenregeln erfüllt sind:
a + (b + c) = (a + b) + c,
a · (b · c) = (a · b) · c
(Assoziativität)
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
a + b = b + a,
a·b=b·a
(Kommutativität)
a + a = a,
a·a=a
(Idempotenz)
a + (b · c) = (a + b) · (a + c),
a · (b + c) = a · b + a · c
a + (a · b) = a,
a · (a + b) = a
(Absorbtion)
0 + a = a,
0·a=0
1 + a = 1,
1·a=a
a + ā = 1,
a · ā = 0.
125
(Distibutivität)
Manchmal schreibt man anstelle von + auch ∨ oder ∪ und nennt diese Operation
Disjunktion, Vereinigung oder Supremum; für · schreibt man dann ∧ oder ∩ und nennt
es Konjunktion, Durchschnitt oder Inﬁmum. Die Operation ¯ heißt Komplementierung
oder Negation.
Das einfachste Beipiel einer Booleschen Algebra ist die Algebra B = {0, 1}, wo sich die
Deﬁnition der Rechenoperationen schon aus den obigen Regeln ergibt.
Ein weiteres Beispiel ist die Potenzmenge P (M ) = {U | U ⊆ M } einer Menge M
mit Durchschnitt und Vereinigung sowie Komplemmentärtmengenbildung als Rechenoperationen. Da, wie man oben sieht, für die Addition und die Multiplikation genau
dieselben Rechenregeln gelten, ist es egal, ob wir den Durchschnitt als Addition oder
als Multiplikation auﬀassen.
Wenn B und C Boolesche Algebren sind, so ist B × C mit komponentenweise deﬁnierten Rechenoperationen ebenfalls eine Boolesche Algebra, insbesondere also auch jede
kartesische Potenz B n von B.
Von nun an bezeichne B stets eine Boolesche Algebra.
Für die Komplementierung gelten die folgenden DeMorganschen Regeln:
Satz 14.1 x · y = x̄ + ȳ, x + y = x̄ · ȳ.
Beweis: Wenn a das Komplement von x · y bezeichnet, so haben wir a + (x · y) = 1 und
a · (x · y) = 0 nachzuweisen:
(x · y) + (x̄ + ȳ) = (x + x̄ + ȳ) · (y + x̄ + ȳ) = 1 · 1 = 1,
(x · y) · (x̄ + x̄) = (x · y · x̄) + (x · y · ȳ) = 0 + 0 = 0. Der Beweis der anderen Regel
verläuft analog.
Die soeben benutze Beweismethode ( analog“) ist typisch für die Arbeit mit Booleschen
”
Algebren: Man vertauscht die Rechenoperationen miteinander und wendet die analogen
Regeln an; dies nennt man Dualisierung“.
”
Lemma 14.2 (Kürzungsregel) Für x, y, z ∈ B gelte (1) x · y = x · z und (2) x + y =
x + z. Dann folgt y = z.
Beweis: Zur ersten Gleichung wird sowohl y als auch z addiert:
(x · y) + y = (x + y) · (y + y) = (x + y) · y = y
nach der Absorbtionsregel; wegen (1) ist dies
= (x · z) + y = (x + y) · (z + y),
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
126
(x · z) + z = (x + z) · (z + z) = (x + y) · z = z
= (x · y) + z = (x + z) · (y + z)
und die beiden letzten Terme jeder Gleichung stimmen wegen (2) überein.
Wir können in B wie folgt eine Ordnung einführen: a ≤ b genau dann, wenn a · b = a
gilt.
Lemma 14.3 a ≤ b gdw. a + b = b.
Beweis: b = (a + b) · b = a · b + b · b = a + b.
Die Umkehrung beweist man surch Vertauschung von a, b und Dualisierung.
Deﬁnition:
Seien a ≤ b ∈ B, dann heißt die Menge {x | a ≤ x ≤ b} = [a, b] das durch a und b
bestimmte Intervall von B.
Wir bemerken, daß [a, b] bezüglich der Addition und Multiplikation abgeschlossen sind.
Wenn wir a als Nullelement und b als Einselement auﬀassen und die Komplementierung
in [a, b] relativ zu diesen durchführt (was auch immer das heißen mag), so wird [a, b]
wieder eine Boolesche Algebra.
Eine Abbildung zwischen Booleschen Algebren, die mit den jeweiligen drei Rechenoperationen verträglich ist, heißt Homomorphismus Boolescher Algebren. Ein bijektiver
Homomorphismus heißt Isomorphismus.
Nun beweisen wir einen Struktursatz, der eine Übersicht über alle endlichen Boolschen
Algebren ergibt.
Satz 14.4 Wenn B eine endliche Boolesche Algebra ist, so gilt B ∼
= Bn für eine
natürliche Zahl n.
Beweis: Wir führen die Induktion über |B|. Wenn |B| = 2 ist, so ist nichts zu zeigen.
Sei also die Behauptung für kleine“ Boolesche Algebren schon bewiesen.
”
Wir wählen ein Element a ∈ B, a = 0, 1. Wir setzen
Xa = {(a · b, a + b) | b ∈ B},
dies ist eine Teilmenge von [0, a] × [a, 1].
Weiter sei f : B −→ Xa folgende Abbildung: f (b) = (a · b, a + b). Nach der obigen
Kürzungsregel ist f injektiv. Wir zeigen die Verträglichkeit mit den Rechenoperationen:
f (b · c) = (a · (b · c), a + (b · c)),
f (b) · f (c) = (a · b, a + b) · (a · c, a + c)
= (a · a · b · c, (a + b) · (a + c))
(komponentenweise Operation)
= (a · b · c, a + (b · c)),
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
127
das ist die Behauptung; die Gleichung
f (b + c) = f (b) + f (c)
zeigt man analog.
Beim Komplement müssen wir aufpassen: Wir zeigen zunächst, daß a · b̄ das Komplement von a · b in [0, a] ist.
a · b̄ + a · b = a · (b + b̄) = a · 1 = a ist das größte Element und (a · b̄) · (a · b) = a · 0 = 0
ist das kleinste.
Analog: a + b̄ ist das Komplement von a + b in [a, 1], da a + b̄ + a + b = 1 und
(a + b̄) · (a + b) = a + (b̄ · b) = a + 0 = a ist das kleinste Element.
Nun folgt f (b̄) = (a · b̄, a + b̄) = (a · b, a + b) = f (b).
Nun ist f auch noch surjektiv, denn für (x, y) ∈ [0, a] × [a, 1] setzen wir b = y · (ā + x),
dann ist f (b) = (a · y · (ā + x), a + y · (ā + x)) = (a · y · ā + a · y · x, (a + y)(a + ā + x));
der erste Term ist Null, der zweite wegen x ≤ a ≤ y gleich x, der dritte Term ist gleich
(a + y) · (a + ā + x) = (a + y) · 1 = y.
Also ist f ein Isomorphismus Boolescher Algebren.
Da nun sowohl [0, a] als auch [a, 1] weniger Elemente als B haben, gilt für sie die
Induktionsvoraussetzung: [0, a] ∼
= Bm , also B ∼
= Bk+m .
= Bk , [a, 1] ∼
Die Menge Bn ist isomorph zur Potenzmenge der Menge {1, . . . , n}, wir ordnen dem
Tupel (i1 , . . . , in ) die Menge der k mit ik = 0 zu. Dies ist mit den Operationen verträglich.
Folgerung 14.5 (Stonescher Darstellungssatz) B ∼
= P (M ) für eine endliche Menge M .
Folgerung 14.6 Zwei gleichmächtige endliche Boolsche Algebren (mit 2n Elementen)
sind isomoprh (zu Bn ).
Wir betrachten nun n-stellige Abbildungen der Form f : B n −→ B. Wenn f, g zwei
solche Abbildungen sind, so können wir (f ·g)(x) = f (x)·g(x), (f +g)(x) = f (x)+g(x)
und (f¯)(x) = f (x) setzen und es ist nicht schwer nachzuweisen, daß die Menge Fn (B) =
{f : B n −→ B} so eine Boolsche Algebra wird.
Deﬁnition:
Ein Boolsches Polynom in x1 , . . . , xn ist folgendes:
(1) x1 , . . . , xn , 0, 1 sind Boolesche Polynome,
(2) wenn p und q Boolesche Polynome sind, so sind auch (p) + (q), (p) · (q) und (p)
Boolesche Polynome.
Ein Boolesches Polynom ist also einfach eine Zeichenkette, es gilt x1 + x2 = x2 + x1 .
Wenn aber f (x1 , . . . , xn ) ein Boolesches Polynom und B eine Boolesche Algebra ist,
so können wir eine Funktion f ∗ : B n −→ B durch f ∗ (b1 , . . . , bn ) = f (b1 , . . . , bn ) konstruieren, indem wir die bi einfach in f einsetzen und den Wert ausrechnen. Dann gilt
natürlich (x1 + x2 )∗ = (x2 + x1 )∗ .
Deﬁnition:
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
128
Zwei Boolsche Polynome f, g heißen äquivalent (f ∼ g), wenn die zugehörigen Funktionen auf der Algebra B gleich sind.
Zur Vereinfachung führen wir folgende Schreibweisen ein: x1 = x, x−1 = x̄.
Satz 14.7 Jedes Boolesche Polynom ist äquivalent zu einer disjunktiven Normal”
form“
di1 ...in · xi11 · . . . · xinn , di1 ...in ∈ {0, 1}.
fd (x1 , . . . , xn ) =
i1 ,...,in ∈{−1,1}
Jedes Boolesche Polynom ist äquivalent zu einer konjunktiven Normalform“
”
fk (x1 , . . . , xn ) =
k1 ,...,kn ∈{−1,1}
(ki1 ...in + xi11 + . . . + xinn ), ki1 ...in ∈ {0, 1}.
Beweis: Es ist f ∗ (1j1 , . . . , 1jn ) = di1 ...in 1i1 j1 . . . 1in jn und ein Summand ist genau dann
gleich 1, wenn i1 = j1 , . . . , in = jn und di1 ...in = 1 ist, das heißt, die fd mit verschiedenen
d sind jeweils inäquivalent. Nun ist aber die Anzahl der disjunktiven Normalformen
n
gleich 22 , also gleich der Zahl aller Funktionen Bn −→ B.
Die zweite Aussage ergibt sich durch Dualisierung.
Folgerung 14.8 In der obigen Darstellung ist di1 ...in = f ∗ (1i1 , . . . , 1in ).
Beispiel: f = ((x1 + x2 ) · x̄1 ) + (x2 · (x1 + x̄2 )), dann ist f (0, 0) = f (1, 0) = 0 und
f (0, 1) = f (1, 1) = 1, die disjunktive Normalform von f erhalten wir, indem wir in
der Wertetabelle die Stellen aufsuchen, wo der Wert 1 angenommen wird. Wenn hier
ein Argument gleich 0 ist, so ist die entsprechende Variable zu komplementieren, sonst
nicht. Also f ∼ x̄1 x2 + x1 x2 . Dies kann weiter vereinfacht werden: f ∼ (x̄1 + x2 ) · x2 =
1 · x2 = x 2 .
Wir überlegen nun, wie man eine Darstellung von Polynomen vereinfachen kann.
Deﬁnition Es seien p und q Boolesche Polynome; wir sagen, daß p das Polynom q
impliziert, wenn aus p∗ (b1 , . . . , bn ) = 1 folgt, daß auch q ∗ (b1 , . . . , bn ) = 1 gilt (dabei ist
bi ∈ {0, 1}.
Wir bezeichnen ein Polynom als Produkt“, wenn es kein +-Zeichen enthält.
”
Das Polynom p heißt Primimplikant von q, wenn gilt
1) p ist ein Produkt,
2) p impliziert q,
3) kein Teilprodukt von p impliziert q.
Sei zum Beispiel q = x1 x2 x3 + x1 x̄2 x3 + x̄1 x̄2 x̄3 und p = x1 x2 , dann wird q von p
impliziert, denn p∗ = 1 gilt nur für x1 = x3 = 1 und es ist q ∗ (1, x2 , 1) = (x2 + x̄2 + x̄2 )∗ =
1, aber z.B. x1 impliziert q nicht, da q ∗ (1, x2 , x3 ) = (x2 x3 + x̄2 x3 + 0)∗ = (x2 + x̄2 )x3 =
x3 = 1 ist.
Wir bemerken, daß ein Produkt genau dann 1 ist, wenn alle nichtkomplementierten
Variablen gleich 1 und alle komplementierten Variablen gleich 0 gesetzt werden.
Alle Summanden einer disjunktiven Normalform sind Implikanten.
Satz 14.9 Jedes Polynom ist äquivalent zur Summe seiner Primimplikanten.
14 BOOLESCHE ALGEBREN UND BOOLESCHE FUNKTIONEN
129
Beweis: Seien p1 , . . . , pm die Primimplikanten von q, wir setzen p = p1 + . . . + pm . Sei
nun p∗ (b1 , . . . , bn ) = 1, dann gibt es ein pi mit pi (b1 , . . . , bn ) = 1 und da pi das Polynom
q impliziert, gilt auch q ∗ (b1 , . . . , bn ) = 1.
Sei umgekehrt q ∗ (b1 , . . . , bn ) = 1, wir setzen s = xi11 · · · xinn mit ik = 1, falls bk = 1 und
ik = −1 für bk = 0, dann ist s ein Implikant von q. Wir lassen nun aus dem Term
s alle die xi weg, für die q ∗ (b1 , . . . , bi−1 , b̄i , . . .) = 1 ist; das Ergebnis sei r. Dann gilt:
r impliziert q, aber kein Teilwort von r impliziert q, folglich ist r als Primimplikant
gleich eienm der pj , also folgt p∗ (b1 , . . . , bn ) = 1, d.h. p ∼ q.
Von der disjunktiver Normalform eines Polynoms ausgehend kann man eine Darstellung
als Summe von Primimplikanten erhalten, indem man für alle Paare von Summanden,
wo dies möglich ist, die Regel px + px̄ ∼ p anwendet.

Zugehörige Unterlagen

Hausaufgabe 10

Für Sophie Den Quelltext einfach in den Javaeditor kopieren import

Wissenschaftliches Rechnen I Inhaltsverzeichnis

Zugehörige Unterlagen

Dieses Dokument Sammlung (en)

Dieses Dokument gespeichert

Schlagen Sie uns vor, wie wir StudyLib verbessern können